1 #!/usr/bin/env python

2 #encoding: utf-8

3 __author__ = 'Xiaolin Shen'

4 from sklearn importsvm5 importnumpy as np6 from sklearn importmodel_selection7 importmatplotlib.pyplot as plt8 importmatplotlib as mpl9 from matplotlib importcolors10

11

12

13 #当使用numpy中的loadtxt函数导入该数据集时，假设数据类型dtype为浮点型，但是很明显数据集的第五列的数据类型是字符串并不是浮点型。

14 #因此需要额外做一个工作，即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。

15 #首先，我们要写出一个转换函数：

16 #定义一个函数，将不同类别标签与数字相对应

17 defiris_type(s):18 class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2}19 returnclass_label[s]20

21 #（1）使用numpy中的loadtxt读入数据文件

22 filepath='IRIS_dataset.txt' #数据文件路径

23 data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type})24 #以上4个参数中分别表示：

25 #filepath ：文件路径。eg：C:/Dataset/iris.txt。

26 #dtype=float ：数据类型。eg：float、str等。

27 #delimiter=',' ：数据以什么分割符号分割。eg：‘，’。

28 #converters={4:iris_type} ：对某一列数据（第四列）进行某种类型的转换，将数据列与转换函数进行映射的字典。eg：{1:fun}，含义是将第2列对应转换函数进行转换。

29 #converters={4: iris_type}中“4”指的是第5列。

30

31 #print(data)

32 #读入结果示例为：

33 #[[ 5.1 3.5 1.4 0.2 0. ]

34 #[ 4.9 3. 1.4 0.2 0. ]

35 #[ 4.7 3.2 1.3 0.2 0. ]

36 #[ 4.6 3.1 1.5 0.2 0. ]

37 #[ 5. 3.6 1.4 0.2 0. ]]

38

39

40

41 #（2）将原始数据集划分成训练集和测试集

42 X ,y=np.split(data,(4,),axis=1) #np.split 按照列（axis=1）进行分割，从第四列开始往后的作为y 数据，之前的作为X 数据。函数 split(数据，分割位置，轴=1（水平分割） or 0（垂直分割）)。

43 x=X[:,0:2] #在 X中取前两列作为特征（为了后期的可视化画图更加直观，故只取前两列特征值向量进行训练）

44 x_train,x_test,y_train,y_test=model_selection.train_test_split(x,y,random_state=1,test_size=0.3)45 #用train_test_split将数据随机分为训练集和测试集，测试集占总数据的30%（test_size=0.3),random_state是随机数种子

46 #参数解释：

47 #x：train_data：所要划分的样本特征集。

48 #y：train_target：所要划分的样本结果。

49 #test_size：样本占比，如果是整数的话就是样本的数量。

50 #random_state：是随机数的种子。

51 #（随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

52 #随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。）

53

54

55 #（3）搭建模型，训练SVM分类器

56 #classifier=svm.SVC(kernel='linear',gamma=0.1,decision_function_shape='ovo',C=0.1)

57 #kernel='linear'时，为线性核函数，C越大分类效果越好，但有可能会过拟合（defaul C=1）。

58 classifier=svm.SVC(kernel='rbf',gamma=0.1,decision_function_shape='ovo',C=0.8)59 #kernel='rbf'（default）时，为高斯核函数，gamma值越小，分类界面越连续；gamma值越大，分类界面越“散”，分类效果越好，但有可能会过拟合。

60 #decision_function_shape='ovo'时，为one v one分类问题，即将类别两两之间进行划分，用二分类的方法模拟多分类的结果。

61 #decision_function_shape='ovr'时，为one v rest分类问题，即一个类别与其他类别进行划分。

62 #开始训练

63 classifier.fit(x_train,y_train.ravel())64 #调用ravel()函数将矩阵转变成一维数组

65 #（ravel()函数与flatten()的区别）

66 #两者所要实现的功能是一致的（将多维数组降为一维），

67 #两者的区别在于返回拷贝（copy）还是返回视图（view），

68 #numpy.flatten() 返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，

69 #而numpy.ravel()返回的是视图（view），会影响（reflects）原始矩阵。

70

71

72 defshow_accuracy(y_hat,y_train,str):73 pass

74

75 #（4）计算svm分类器的准确率

76 print("SVM-输出训练集的准确率为：",classifier.score(x_train,y_train))77 y_hat=classifier.predict(x_train)78 show_accuracy(y_hat,y_train,'训练集')79 print("SVM-输出测试集的准确率为：",classifier.score(x_test,y_test))80 y_hat=classifier.predict(x_test)81 show_accuracy(y_hat,y_test,'测试集')82 #SVM-输出训练集的准确率为： 0.838095238095

83 #SVM-输出测试集的准确率为： 0.777777777778

84

85

86 #查看决策函数，可以通过decision_function()实现。decision_function中每一列的值代表距离各类别的距离。

87 #print('decision_function:\n', classifier.decision_function(x_train))

88 print('\npredict:\n', classifier.predict(x_train))89

90

91 #(5)绘制图像

92 #1.确定坐标轴范围，x，y轴分别表示两个特征

93 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() #第0列的范围 x[:, 0] "："表示所有行，0表示第1列

94 x2_min, x2_max = x[:, 1].min(), x[:, 1].max() #第1列的范围 x[:, 0] "："表示所有行，1表示第2列

95 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] #生成网格采样点（用meshgrid函数生成两个网格矩阵X1和X2）

96 grid_test = np.stack((x1.flat, x2.flat), axis=1) #测试点，再通过stack()函数，axis=1，生成测试点

97 #.flat 将矩阵转变成一维数组 （与ravel()的区别：flatten：返回的是拷贝

98

99 print("grid_test = \n", grid_test)100 #print("x = \n",x)

101 grid_hat = classifier.predict(grid_test) #预测分类值

102

103 print("grid_hat = \n", grid_hat)104 #print(x1.shape())

105 grid_hat = grid_hat.reshape(x1.shape) #使之与输入的形状相同

106

107

108 #2.指定默认字体

109 mpl.rcParams['font.sans-serif'] = [u'SimHei']110 mpl.rcParams['axes.unicode_minus'] =False111

112 #3.绘制

113 cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])114 cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])115

116 alpha=0.5

117

118 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) #预测值的显示

119 #plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 样本

120 plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k')121 plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) #圈中测试集样本

122 plt.xlabel(u'花萼长度', fontsize=13)123 plt.ylabel(u'花萼宽度', fontsize=13)124 plt.xlim(x1_min, x1_max)125 plt.ylim(x2_min, x2_max)126 plt.title(u'鸢尾花SVM二特征分类', fontsize=15)127 #plt.grid()

128 plt.show()129

130

131

132

133 '''

134 #输出训练集的准确率135 print(classifier.score(x_train,x_test))136

137 #由于准确率表现不直观，可以通过其他方式观察结果。138

139 #首先将原始结果与训练集预测结果进行对比：140 y_train_hat=classifier.predict(x_train)141 y_train_1d=y_train.reshape((-1))142 comp=zip(y_train_1d,y_train_hat) #用zip把原始结果和预测结果放在一起。显示如下：143 print(list(comp))144

145 #同样的,可以用训练好的模型对测试集的数据进行预测:146 print(classifier.score(x_test,y_test))147 y_test_hat=classifier.predict(x_test)148 y_test_1d=y_test.reshape((-1))149 comp=zip(y_test_1d,y_test_hat)150 print(list(comp))151

152

153 #还可以通过图像进行可视化：154 plt.figure()155 plt.subplot(121)156 plt.scatter(x_train[:,0],x_train[:,1],c=y_train.reshape((-1)),edgecolors='k',s=50)157 plt.subplot(122)158 plt.scatter(x_train[:,0],x_train[:,1],c=y_train_hat.reshape((-1)),edgecolors='k',s=50)159

160 '''