机器学习入门---支持向量机

# -*- coding: utf-8 -*-

'''
支持向量机分类模型:
    支持向量机分类 是根据训练数据样本的分布，搜索所有可能的的线性分类器中最佳的一个。
'''
#导入手写字体数字加载器
from sklearn.datasets import load_digits
#导入用来分割数据的函数train_test_split
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
#导入支持向量分类模型
from sklearn.svm import LinearSVC
from sklearn.metrics import classification_report
digits = load_digits()

#print(digtis.data.shape)

x_train, x_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=33)
#print(x_train.shape)
#print(y_train.shape)

#对数据x_train,y_train 的特征数据进行标准化
ss = StandardScaler()
x_train = ss.fit_transform(x_train)
x_test = ss.transform(x_test)

lsvc = LinearSVC()

lsvc.fit(x_train, y_train)

# 使用训练好的模型预测
y_predict = lsvc.predict(x_test)
# print(y_predict)

#使用模型自带函数进行准确性测试
print('支持向量机分类模型准确性:%f' % lsvc.score(x_test, y_test))
#模型的回归率 精准率 
print(classification_report(y_test, y_predict, target_names=digits.target_names.astype(str)))