R7-2 支持向量机分类：圆周数据集的训练与测试

作者： 赵继宁

单位： 成都信息工程大学

数据集生成:

自行产生多个类别的数据集，每类都是某一个圆周上的点，每类有10个样本。
不同类别的数据交替出现，比如第一类数据第一个点，第二类数据第一个点，最后一类数据第一个点，然后第一类数据第二个点，第二类数据第二个点。。。直到最后一类数据第十个点。
第c类数据都在半径为3c的圆上，类别编号为类别数字-1（1到10类，对应0到9）。
横纵坐标中，cos, sin的弧度为所在类别中的序号的3倍。
- 比如类别为2的数据中，第4个点，横坐标是3 * 2 * cos(4 * 3)，纵坐标3 * 2 * sin(4 * 3)，类别编号为2 - 1 = 1；
- 类别为4的数据中，第5个点，横坐标是3 * 4 * cos(5 * 3)，纵坐标3 * 4 * sin(5 * 3)，类别编号为4 - 1 = 3。

代码实现:

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import numpy as np
import math

def generate_data(num_classes):
    X = []
    y = []
    for i in range(num_classes):
        for j in range(10):
            radius = 3 * (i + 1)
            angle = (j + 1) * 3
            x = radius * math.cos(angle)
            y = radius * math.sin(angle)
            X.append([x, y])
            y.append(i)
    return np.array(X), np.array(y)

# 输入数据类别的个数
num_classes = int(input('输入数据类别的个数，例如：2
'))

# 生成数据集
X, y = generate_data(num_classes)

# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=1)

# 创建SVM模型
model = SVC(kernel='rbf', gamma=20, decision_function_shape='ovo')

# 训练模型
model.fit(X_train, y_train)

# 评估模型
train_acc = accuracy_score(y_train, model.predict(X_train))
print(f'accu of model for train set is {train_acc:.2f}')
test_acc = accuracy_score(y_test, model.predict(X_test))
print(f'accu of model for test set is {test_acc:.2f}')

输入样例：

输出样例：

accu of model for train set is 0.70
accu of model for test set is 0.30