使用sklearn的鸢尾花数据集进行支持向量机分类

使用sklearn的鸢尾花数据集进行支持向量机分类

本示例使用sklearn的鸢尾花数据集，选择前两列特征进行支持向量机分类。

步骤：

1. 导入必要的库
2. 加载鸢尾花数据集
3. 选择前两列特征作为输入，类别标签作为输出
4. 使用train_test_split将数据集分割为训练集和测试集，比例由用户输入，并设置random_state=1保证结果可重复
5. 使用SVC创建支持向量机模型，设置kernel='rbf', gamma=20, decision_function_shape='ovo'
6. 使用训练集拟合模型
7. 使用score()方法分别计算训练集和测试集的精度，并保留两位小数

代码如下：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 选择前两列特征和类别标签
X = iris.data[:, :2]
y = iris.target

# 用户输入训练集分割比例
train_size = float(input('请输入训练集分割比例：'))

# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=train_size, random_state=1)

# 创建支持向量机模型
model = SVC(kernel='rbf', gamma=20, decision_function_shape='ovo')

# 使用训练集拟合模型
model.fit(X_train, y_train)

# 计算训练集和测试集的精度
train_accu = model.score(X_train, y_train)
test_accu = model.score(X_test, y_test)

# 打印结果
print(f'accu of model for train set is {train_accu:.2f}')
print(f'accu of model for test set is {test_accu:.2f}')

输入样例：

请输入训练集分割比例：0.6

输出样例：

accu of model for train set is 0.87
accu of model for test set is 0.65