Python与机器学习（第2版）（微课版） 课件 4-05-支持向量机分类任务实施_第1页
Python与机器学习（第2版）（微课版） 课件 4-05-支持向量机分类任务实施_第2页
Python与机器学习（第2版）（微课版） 课件 4-05-支持向量机分类任务实施_第3页
Python与机器学习（第2版）（微课版） 课件 4-05-支持向量机分类任务实施_第4页
Python与机器学习（第2版）（微课版） 课件 4-05-支持向量机分类任务实施_第5页
已阅读5页，还剩5页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

课程负责人：陈清华支持向量机分类分析任务实施【数据挖掘应用】课程性别分类分析熟练使用sklearn第三方包实现机器学习算法应用；会应用支持向量机算法实现分类分析；会使用SVC()对性别进行分类分析与预测应用。能力目标主要内容任务工单引导问题任务评价标准任务解决方案代码解析使用支持向量机实现性别分类hw.csv教学难点任务工单支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。现基于任务前续任务得到数据及分类结果，使用支持向量机算法实现性别判定，并区分四个算法的异同。任务概述

任务描述：基于身高、体重数据使用支持向量机实现分类分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010数据源hw.csv及前续结果显示结果

任务要求任务概述（1）支持向量机如何用来做性别判定？结合应用，说明其中的原理。（2）支持向量机在sklearn中是如何实现分类的？与支持向量机有关的模块有哪些？（3）试比较不同支持向量机实现方法的异同？说明SVC与SVR的不同。（4）SVR有何用处？可以解决什么问题？（5）比较支持向量机分类算法与前述三种不同分类方法的优劣，其优势体现在哪里？”

问题引导：任务概述

任务评价：任务概述评价内容评价要点分值分数评定自我评价1.任务实施模型初始化4分导入正确得1分，模型选用正确得1分，模型构建正确得1分，模型参数会修改得1分

模型训练1分模型型训练顺利执行得1分

模型可视化1分模型可视化实现得1分

2.效果评估模型评估报告展现2分能准确解释各个指标的含义得1分，模型准确率90%以上得1分

3.任务总结依据任务实施情况总结结论2分总结内容切中本任务的重点要点得1分，能有效比较四种方法的异同得1分

合计10分

任务解决方案核心部分代码：模型训练

fromsklearn.svmimportSVC#建立支持向量机线性分类器模型params={'kernel':'linear'}classifier=SVC(**params)#拟合X=df[['Height','Weight']]Y=df[['Gender']]classifier.fit(X,Y)任务解决方案核心部分代码：模型评估#评估报告fromsklearn.metricsimportclassification_reportprint("\n"+"#"*30)print("\nClassifierperformanceontrainingdataset\n")print(classification_report(Y,classifier.predict(X)))print("#"*30+"\n")小结1.如何使用sklearn第三方包实现分类分

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论