网格搜索支持向量机运行结束不了

 

from sklearn import svm, model_selection
import pandas as pd
import  numpy as np
#支持向量机主要调节的参数有:C、kernel、degree、gamma、coef0。
#C 默认 = 1.0正则化参数。
#kernel {‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’}, default =’rbf’
#degreeint, default = 3 多项式核函数 ('poly') 的次数 浮点数
#gamma{‘scale’, ‘auto’} or float, default=’scale’
#coef0  default=0.0 核函数中的独立项。它仅在“poly”和“sigmoid”中有意义。
from sklearn.model_selection import GridSearchCV# 设置随机种子
random_state_model = 40
feature_number = 45
filepath = r"xls"
ExcelData = pd.read_excel(filepath)  # reading file
ExcelData = np.array(ExcelData)
classifypointdata = ExcelData[:, 0:feature_number]
classifypointlabel = ExcelData[:, -1]
# 切分数据,固定随机种子(random_state)时,同样的代码,得到的训练集数据相同。
# 此处运行完的结果可能是string类型之后用于计算时记得类型转换
train_data, test_data, train_label, test_label = model_selection.train_test_split(classifypointdata, classifypointlabel, random_state=random_state_model,train_size=0.8)
SVM_classifier = svm.SVC()
#kernel核心函数
# SVM_params = [{'kernel': ['linear'], 'C': [1, 10, 100]},
#           {'kernel': ['poly'], 'C': [1,10], 'degree': [1,3,5]},
#           {'kernel': ['rbf'], 'C': [1, 10], 'gamma': [0.01,0.00001]}]
SVM_params = {'kernel': ['linear'], 'C': [1, 10]}SVM_GSC = GridSearchCV(SVM_classifier, SVM_params, cv=3)
SVM_GSC.fit(train_data,train_label)
#获取网格搜索每个参数组合
SVM_GSC.cv_results_['params']
#获取网格搜索每个参数组合所对应的平均测试分值
SVM_GSC.cv_results_['mean_test_score']
#获取最好的参数
print(SVM_GSC.best_params_)
print(SVM_GSC.best_score_)
print(SVM_GSC.best_estimator_)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/434929.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Oracle高级SQL培训与讲解

1 With子句 1.1 学习目标 掌握with子句用法,并且了解with子句能够提高查询效率的原因。 1.2 With子句要点 1. with子句的返回结果存到用户的临时表空间中,只做一次查询,反复使用,提高效率。2. 如果定义了with子…

理解会话

一 会话的初始化 Session用于进行媒体流传送。当一方发出请求,而另外一方或多方接受请求并通过信令交互成功后才能建立会话。 一次呼叫只能建立一次会话,但可以建立多个对话(Dialog),因为接受请求的可能不止一个。 …

st语言 数组的常用方法_ST语言编程手册

ST语言编程手册目录1. ST基本原理.......................................................................................................... 61.1语言描述..........................................................................................................…

arcgis矢量之间的空白如何快速填充

填充之前 中间有空白处需要填充完整(前提时候得是一个图层,如果是两个图层就无法填充) 点击开始编辑 点击创建要素 点击自动完成面 开始绘制 绘制完成如下

Session、Dialog和Transaction的区别

会话(Session)跟SDP内信息相关。在SDP中,多媒体会话指的是一组的媒体发送方和接收方及媒体流从发送方流向接受方。会话是由SDP里的username, session id, network type, address type,和源处地址元素来确定的。只有当媒体协商成功后&#xff…

从委托而起(二)认识委托

新建一个控制台应用程序,这个程序的作用是为一个字符串改变样子,所以起个名字叫Costumeball吧.嘉宾(字符串)通过一个个化妆间(函数)变得漂漂亮亮或奇奇怪怪后一起唱歌跳舞.好享受.声明一个委托,委托一般出现在类之外,本例随便delegate void Prink(string str);创建与委托管理的…

argis中4波段影像变3波段

解决方法:波段合成 4波段影像属性 工具 结果

SIP结构

SIP结构 SIP单元: UAC、UAS、Stateful proxy、Statelessproxy和registrar五种。 SIP是分层结构,每层之间是相对独立的。如下 -------------------------------------------- | TransactionUser(TU) | …

python批量压缩图片

#coding:utf-8 from PIL import Image import os#图片压缩批处理 def compressImage(srcPath,dstPath):for filename in os.listdir(srcPath):#如果不存在目的目录则创建一个,保持层级结构if not os.path.exists(dstPath):os.makedirs(dstPath)#拼接完整的文件或文件…

idea怎么将本地文件和远程git对比_IDEA新建本地项目关联远程git仓库

现在远程git仓库创建一个repository,然后本地创建项目,最后进行关联。三板斧,打完收工。第一步、第二步地球人都知道,略过不表,第三步比较关键,举个例子:0、创建本地Git仓库:VCS -&g…

转:min(x,y)高效算法

命题:给定整数x,y,计算较小值m。 两个数的差异,在于他们的差,于是想到计算z x - y,我想也许可以利用这个中间值,利用一些巧妙的位运算求出,可是貌似还是比较困难。于是我打算重新理一下思路…

系统运维安全管理办法_运维安全管理系统-堡垒机

随着信息化的快速发展与普及,业务运行已于信息化系统密不可分,由于业务需求的不断拓展,信息化系统的建设也在不断深入与增长,企业的业务系统变得日益复杂,信息化系统俨然已经成为了业务运行保障的重中之重,…

asp.net 下载文件

//源文件名称 //提供下载的文件,不编码的话文件名会乱码 //private string fileName HttpContext.Current.Server.UrlEncode("规范.rar"); string fileName "D:\我的文档\Visual Studio 2010\WebSites\WebSite14\a00.zip"; …

SIP代理服务器(1)

SIP代理服务器分两种: 1)无状态代理服务器:简单的转发功能,通过请求信息来选择转发的目的和路由。消息一旦转发立即丢弃。 2)有状态代理服务器:记录到来的请求和发送的请求的信息(特别是事务状态…

arcgis坡度结果有误或z因子前有感叹号

在地理坐标系下我们做坡度的时候arcgis的z因子会出现感叹号 这样作出的效果如下 通常这样的效果是错误的 解决方法: 原理:应为在地理坐标系下xy的单位是度或者十进制的,就导致z与xy的测量单位不同,所有我们就需将DEM数据投影到投…

怎么修改提交git是的用户名_Git 修改用户名以及提交邮箱

问题背景:在已毕业师兄的电脑上提交自己的 Github 代码,(尽管有重新设置了 自己的SSH),但是 Github网站提交结果却显示师兄提交的:验证当前本地属性:怎么知道本地有设置?git config --local --list 看一眼。…

企业效益真的向好么?

根据最新消息,1至7月,全国公共财政收入66739.92亿元,同比增长30.5%。全国公共财政支出51385.06亿元,同比增长29.7%。财政部部长谢旭人昨日表示,财政收入增长较快,是经济运行总体良好及企业效益提高的综合反…

基于集成提升和 Bagging 的地下水潜力预测机器学习模型文件阅读

文章连接:Ensemble Boosting and Bagging Based Machine Learning Models for Groundwater Potential Prediction | SpringerLinkhttps://link.springer.com/article/10.1007/s11269-020-02704-3 一、研究区: Dezekord-Kamfiruz 流域是伊朗法尔斯省的一部分 二、方法:

SIP代理服务器(2)

4请求转发 对于上一步确定的每一个目的地,proxy转发请求都遵循下列步骤: 1)、 拷贝一个接收到的请求 2)、 更新Request-URI 3)、 更新Max-Forwards头域 4)、 可选增加一个Record-Route头域 5)、…

sklearn svm 调参_SVM(Support Vector Machine)

SVM是一种二元分类模型(当然它也可以处理回归问题),它通过训练样本寻找分隔两类样本的最优决策边界(超平面),使得两类样本距离决策边界的距离最远(例如H3)。其中距离决策边界最近的样本称为支持向量(即深色的苹果和香蕉),支持向量所在的与决策…