Python 之 sklearn 计算 SVM 隶属度

来源：互联网发布：上古卷轴5优化字体包编辑：程序博客网时间：2024/05/05 10:17

python中的sklean已经集成SVM算法，其中包含fit(), predict()等，我们只要输入训练样本和标记，以及模型参数，就可得到分类的结果。

关于这个的代码实现已有很多，SVC 参数详见：

详址：http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC

但对于libsvm之中实现的隶属度计算仍未找到相似讲解与示例，先给出源码如下。

import numpyData_Set = []Lab_Set = []for k in range(5):    arr = numpy.random.random([30000,45])    for i in numpy.arange(0,30000):        j = i%3        arr[i,k*9+j*3:k*9+j*3+3] = arr[i,k*9+j*3:k*9+j*3+3]+k*0.25    print arr.shape    Data_Set.extend(arr)    tmp_lab = [k]*(arr.shape[0])    Lab_Set = Lab_Set+tmp_labimport sklearnfrom sklearn.svm import SVCclf = SVC(probability=True)clf.fit(Data_Set, Lab_Set) SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3,    gamma=0.0, kernel='rbf', max_iter=-1, probability=True,    random_state=None, shrinking=True, tol=0.001, verbose=False)Pre_Lab = clf.predict(Data_Set)Pre_Scr = clf.score(Data_Set,Lab_Set)print(Pre_Lab.shape)

0 0