首页svm对鸢尾花数据集进行分类的python代码

svm对鸢尾花数据集进行分类的python代码

时间: 2025-02-15 12:19:07 浏览: 52

SVM (Support Vector Machine)是一种常用的监督学习算法，用于分类和回归分析。对于鸢尾花数据集（Iris dataset），这是一个经典的机器学习示例，我们将使用sklearn库中的SVM模型进行分类。以下是Python代码的一个简单版本： ```python # 导入必要的库 from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 加载鸢尾花数据集 iris = datasets.load_iris() X = iris.data y = iris.target # 数据预处理：标准化特征 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42) # 创建SVM分类器 svm_classifier = SVC(kernel='linear') # 这里我们使用线性核函数，也可以尝试其他核函数如'rbf' # 训练模型 svm_classifier.fit(X_train, y_train) # 预测 y_pred = svm_classifier.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) # 如果需要，可以添加交叉验证等更复杂的步骤 ``` 在这个例子中，`SVC()`函数创建了一个支持向量机分类器，`kernel='linear'`表示使用线性内核。你可以通过改变`kernel`参数来实验不同的核函数。最后，我们计算并打印了预测的准确性。

阅读全文