SVM实战

SVM 基础

SVM 是有监督的学习模型，需要事先对数据打上分类标签，通过求解最大分类间隔来求解二分类问题。如果求解多分类问题，可以将多个二分类组合起来形成多分类。

• SVM 用作回归：使用 SVR 或 LinearSVR（Support Vector Regression）
• SVM 用作分类器：使用 SVC 或 LinearSVC（Support Vector Classification）

乳腺癌检测案例

1. 数据加载

data = pd.read_csv("./data.csv")
pd.set_option('display.max_columns', None)
print(data.columns)
print(data.head(5))
print(data.describe())

通过相关性减少数据维度特征，用少量特征代表数据特性，可以增强分类器的泛化能力，避免过拟合。

2. 特征选择

features_remain = ['radius_mean', 'texture_mean', 'smoothness_mean',
                   'compactness_mean', 'symmetry_mean', 'fractal_dimension_mean']

3. 准备训练集和测试集

train, test = train_test_split(data, test_size=0.3)
train_X = train[features_remain]
train_y = train['diagnosis']
test_X = test[features_remain]
test_y = test['diagnosis']

# Z-Score 规范化，保证每个特征维度均值为0，方差为1
ss = StandardScaler()
train_X = ss.fit_transform(train_X)
test_X = ss.transform(test_X)

4. 模型训练和预测

model = svm.SVC()
model.fit(train_X, train_y)
prediction = model.predict(test_X)
print('准确率: ', metrics.accuracy_score(test_y, prediction))