了解了SVM的基本形式与算法实现，接下来用SKlearn实现支持向量机分类器.

1.函数定义与参数含义

先看一下SVM函数的完全形式和各参数含义：

SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto’, coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=’ovr’, random_state=None)

这里只介绍一部分，其余参数可以参考SKlearn.SVM

C：惩罚系数，default = 1.0，同软间隔中的松弛因子

kernel：核函数选择，default = "rbf"，可选 ‘linear’（线性核函数）, ‘poly’（多项式核函数）, ‘rbf’（高斯核函数）, ‘sigmoid’（siigmoid核函数）, ‘precomputed’

degree：多项式核函数poly的项数，只有使用poly核函数才会调用，其他核函数会忽略

class_weight：{dict,'balanced'},样本权重，默认均等权重

decision_function_shape：拆分策略，默认ovr，ovo一对一1策略被舍弃

random_state：随机数生成种子

2.线性可分情况的SVM

                        

1）导入相关库与数据读取函数

#Sklearn SVM支持向量机
from sklearn.svm import SVC
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split

def loadDataSet(fileName):
    dataMat = []; labelMat = []
    fr = open(fileName)
    for line in fr.readlines():
        lineArr = line.strip().split('\t')
        dataMat.append([float(lineArr[0]), float(lineArr[1])])
        labelMat.append(float(lineArr[2]))
    return dataMat,labelMat

2）通过SKlearn返回的参数绘制超平面

def plot_point(dataArr,labelArr,Support_vector_index,W,b):
    for i in range(np.shape(dataArr)[0]):
        if labelArr[i] == 1:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='b',s=20)
        else:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='y',s=20)

    for j in Support_vector_index:
        plt.scatter(dataArr[j][0],dataArr[j][1], s=100, c = '', alpha=0.5, linewidth=1.5, edgecolor='red')

    x = np.arange(0,10,0.01)
    y = (W[0][0]*x+b)/(-1*W[0][1])
    plt.scatter(x,y,s=5,marker = 'h')
    plt.show()

3）主函数

if __name__ == "__main__":
    #读取数据,针对二维线性可分数据
    dataArr,labelArr = loadDataSet('testSet.txt')
    #定义SVM分类器
    clf = SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
        decision_function_shape='ovr', degree=3, gamma='auto', kernel='linear',
        max_iter=-1, probability=False, random_state=None, shrinking=True,
        tol=0.001, verbose=False)
    #fit训练数据
    clf.fit(dataArr, labelArr) 

    #获取模型返回值
    n_Support_vector = clf.n_support_#支持向量个数
    Support_vector_index = clf.support_#支持向量索引
    W = clf.coef_#方向向量W
    b =  clf.intercept_#截距项b

    #绘制分类超平面
    plot_point(dataArr,labelArr,Support_vector_index,W,b)

clf.n_support_返回支持向量个数1，会返回一个1x2的列表，分别表示决策函数两边各有几个支撑向量

clf.suspport_返回支持向量的索引，通过对应索引，即可在图中标记支持向量

clf.coef_返回方向向量W,即超平面参数

clf.intercept_返回超平面截距项b

tips：这里几种用法只有kernel=“linear”才可以上使用，而其他几种核函数无法调用，所以我们这里只能在二维绘制超平面.

4）运行结果

                    

3.线性不可分情况的SVM

1）导入相关库与读取数据

#Sklearn SVM支持向量机
from sklearn.svm import SVC
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split

def loadDataSet(fileName):
    dataMat = []; labelMat = []
    fr = open(fileName)
    for line in fr.readlines():
        lineArr = line.strip().split('\t')
        dataMat.append([float(lineArr[0]), float(lineArr[1])])
        labelMat.append(float(lineArr[2]))
    return dataMat,labelMat

2）标记支持向量

def plot_point(dataArr,labelArr,Support_vector_index):
    for i in range(np.shape(dataArr)[0]):
        if labelArr[i] == 1:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='b',s=20)
        else:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='y',s=20)

    for j in Support_vector_index:
        plt.scatter(dataArr[j][0],dataArr[j][1], s=100, c = '', alpha=0.5, linewidth=1.5, edgecolor='red')
        plt.show()

由于没有使用线性核函数，所以没有调用w，b，只标记支持向量

3）主函数

if __name__ == "__main__":
    #读取数据,针对二维线性不可分数据
    dataArr,labelArr = loadDataSet('testSetRBF.txt')
    for i in range(np.shape(dataArr)[0]):
        if labelArr[i] == 1:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='b',s=20)
        else:
            plt.scatter(dataArr[i][0],dataArr[i][1],c='y',s=20)
    plt.show()
    #交叉验证划分数据集，train：test = 0.8 : 0.2
    X_train, X_test, y_train, y_test = train_test_split(dataArr,labelArr, test_size=.2,random_state = 0)
    #初始化模型参数
    clf = SVC(cache_size=200, class_weight=None, coef0=0.0,C=1.0,
        decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
        max_iter=-1, probability=False, random_state=None, shrinking=True,
        tol=0.001, verbose=False)
    clf.fit(X_train,y_train)
    #预测X_test
    predict_list = clf.predict(X_test)
    #预测精度
    precition = clf.score(X_test,y_test)
    print('precition is : ',precition*100,"%")
    #获取模型返回值
    n_Support_vector = clf.n_support_#支持向量个数
    print("支持向量个数为： ",n_Support_vector)
    Support_vector_index = clf.support_#支持向量索引
    plot_point(dataArr,labelArr,Support_vector_index)

这里采用交叉验证和rbf高斯核函数，对线性不可分数据进行预测，训练集与测试集划分比例为0.8:0.2

clf.predict:给定数据集，预测数据集类别

clf.score:给予训练集与训练集标签获取预测精度

4)运行结果

precition is :  100.0 %
支持向量个数为：  [27 26]
[Finished in 3.8s]

精度为100%，支持向量共53个，一边27个，一边26个支持向量.

                        

总结：

这里精度达到100%，说明分类效果不错，不过一般情况下不会出现100%的预测精度，这里只是简单的介绍了二维线性可分和二维线性不可分数据集，对于更高维的数据，支持向量机也总能发挥出比较好的性能，可以改造load_data函数实现数据读取然后用svm预测，而对于多分类问题，可以使用集成学习，构建多个支持向量分类器提高性能，一般默认先使用rbf高斯核，然后再尝试其他核函数，用交叉验证法评价分类效果.SVM相关就先写到这，这里只写了8篇，但对于支持向量机而言，可能80篇也写不完，所以还有更多的知识需要学习探索~