文章目录1、sklearn中常用的分类算法
利用sklearn推理机建立SVM模型
sklearn中常用的分类算法模块名称：函数名称linear _ modellogisticregressionsvmsvcneighborskneighborsclassifiernaive _ bayesgausianbtrens tclassifierensemblegradientboostingclassifier使用sklearn估计器生成SVM模型# 生成的每个模块importnumpyasnpfromsklearn.datasetsimportload _ breast _ cancerfromsklearn.svmimportsvcfromsklearn.model _ essingimportstandardscaler # cancer数据集的特征cancer=load _ breast _ cancer (cancer _ data=cancer (' dancer ) )。 cancer _ name=cancer [ ' feature _ names ' ] cancer _ data _ train，cancer_data_test，cancer _ target _ train CIN random_state=22 ) # 数据标准化ST dscaler=standardscaler (.fit (cancer _ data _ train ) cancer _ trains TD=ST dscaler.ttd cancer _ tests TD=ST DDD 建立SVM模型svm=SVC ).fit ) cancer_trainsTD，cancer svm ) #预测训练集的结果cancer _ target _ pred=SVM.predict (cancer SVM )
#求预测和真实数的true=NP.sum (cancer _ target _ pred==cancer _ target _ test ) print (预测对象的结果数为(，true ) print ) ) true/cancer _ target _ test.shape [0] )不能仅通过模型的准确性更好地反映，详细信息如下：
froms klearn.metricsimportaccuracy _ score，precision_score，recall_score，f1_score，Cohen _ kappa _ score cancer_target_pred ) )打印(使用SVM预测breast_cancer数据的准确速率为(，precisisiing cancer_target_pred ) () 成为recall _ score (cancer_ target _ test，cancer _ )的f1_score(cancer_target_test，cancer_target_pred cancer_target_pred ) )此外，sklearn的metrics模块除了提供precision等单一评价指标的函数之外，还可以输出分类模型的评价报告的函数classification_report 代码如下。
froms klearn.metricsimportclassification _ report print (使用' SVM预测数据的分类报告为'，class ification _ report (cancer _ tararation )
froms klearn.metricsimportroc _ curveimportmatplotlib.pyplotasplt # # roc曲线的x轴和y轴fpr、tpr， 求Thresholds=ROC_curve(curve )的cancer _ target _ pred (PLT.figure (fig size=(10，6 ) ) PLT.xlim ) 0， 1 )设置#x轴范围PLT.ylim ) 0.0，设置1.1 ) #y轴范围PLT.xlabel(falsepostiverate ) (PLT.ylabel ) truepostiverate ) (PLT.plot )