python建立svm模型_python中取模运算详解

激活谷笔记 • 2025-05-08 11:42 • 阅读 105

在Python中调用支持向量机（SVM）进行分类或回归，你可以使用`scikit-learn`库。下面是一个简单的示例，展示了如何使用`scikit-learn`中的`SVC`类来训练一个SVM模型：

 导入必要的库 from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import accuracy_score 加载数据集，这里以鸢尾花数据集为例 iris = datasets.load_iris（） X = iris.data[:, :2] 取数据集中的前两个特征作为输入特征 y = iris.target 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split（X, y, test_size=0.3, random_state=42） 创建SVM分类器实例 clf = SVC（kernel='linear'） 可以选择不同的核函数，如 'linear', 'rbf', 'poly' 等 训练模型 clf.fit（X_train, y_train） 预测测试集 y_pred = clf.predict（X_test） 计算准确率 accuracy = accuracy_score（y_test, y_pred） print（f"Accuracy: {accuracy:.2f}"）

在这个示例中，我们首先导入了必要的库，然后加载了鸢尾花数据集，并选取了前两个特征作为输入。接着，我们将数据集分为训练集和测试集，创建了一个`SVC`分类器实例，并用训练集数据训练了模型。最后，我们使用测试集数据进行了预测，并计算了模型的准确率。

你可以根据你的具体需求调整参数，比如`C`（正则化系数）、`kernel`（核函数类型）和`gamma`（核函数参数）等，以优化模型的性能。

python建立svm模型_python中取模运算详解

相关推荐