python机器学习-乳腺癌细胞挖掘（博主亲自录制视频）
https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
支持向量机python代码和博客介绍
https://github.com/adashofdata/muffin-cupcake
YouTube介绍
https://www.youtube.com/watch?v=N1vOgolbjSc
这是线性支持向量机，LSVM
margin
margin值越大越好，因为margin值越大，空间区分两组数据效果越好，margin值越小，空间区分两组数据效果越差
margin值最大的向量空间最好
lagrange multipliers拉格朗日乘数法是解决支持向量机margin最大值方法
在数学最优问题中，拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。这种方法将一个有n 个变量与k 个约束条件的最优化问题转换为一个有n + k个变量的方程组的极值问题，其变量不受任何约束。这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度（gradient）的线性组合里每个向量的系数。 [1] 此方法的证明牵涉到偏微分，全微分或链法，从而找到能让设出的隐函数的微分为零的未知数的值。
支持向量优点
1.支持多维空间
2.不同核函数用于不同决策函数
支持多维空间
非线性SVM可以转换为多维空间支持向量机
支持向量缺点：
1.如果数据特征（维度）大于样本量，支持向量机表现很差
2.支持向量机不提供概率区间估计
优点：可处理多维度数据分类，小样本数据可以工作
缺点：找到准确的核函数和C参数，gamma参数需要很大计算量
优点：灵活，处理低维度和高维度数据，高维度数据小样本量表现良好
缺点：高维度，大样本表现较差，需要数据预处理和调参
很难监控和可视化
另外推荐算法：决策树和随机森林（方便可视化，监控，容易理解）
通过核函数，非线性空间可以转换为线性空间
支持向量应用积极广泛
python脚本应用
区分两种蛋糕，根据奶油和糖两种成分，首先数据可视化
C 参数
C参数表示，你惩罚错误分类点的力度
sklearn默认C参数是1
C参数设置小，算法复杂度小，C参数高，追求错误率最低
支持多个分层
python代码实现分多类，decision_function_shape="ovr"
核函数
通过核函数，二维数据难以分类的可以转换为多维函数，然后分类
python代码kernel函数设置
gamma越高，复杂度越高
其它机器学习分类算法
decision_function
SVM分割超平面的绘制与SVC.decision_function( )的功能
https://blog.csdn.net/qq_33039859/article/details/69810788?locationNum=3&fps=1
在李航老师的《统计学习方法》— 支持向量机那章有个例题：
样本点x1=(3,3),x2=(4,3),x3=(1,1),labels=(1,1,−1)x1=(3,3),x2=(4,3),x3=(1,1),labels=(1,1,−1),求分割超平面？
- 先说decision_function()的功能：计算样本点到分割超平面的函数距离。
- 没错，是函数距离（将几何距离，进行了归一化，具体看书）
- 将x1=(3,3),x2=(4,3),x3=(1,1),labels=(1,1,−1)x1=(3,3),x2=(4,3),x3=(1,1),labels=(1,1,−1)带入决策函数decision_function( )，也就是分割超平面12x1+12x2−212x1+12x2−2即可得到函数距离：1, 1.5, -1,其中1 和 -1 刚好在margin边缘上，x1,x3x1,x3也就是支持向量。
decision_function()的功能：计算样本点到分割超平面的函数距离,分割超平面一边数据是正数，一边是负数，如果是二分类，正数代表一类，负数代表另一类
乳腺癌python脚本
此脚本包括参数设置，自动调优，数据规范化，概率计算，分类预测等等
# -*- coding: utf-8 -*- """ Created on Fri Mar 30 21:57:29 2018 @author: Toby
项目合作联系QQ：231469242 """ #标准化数据 from sklearn import preprocessing from sklearn.svm import SVC from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt cancer=load_breast_cancer() data=cancer.data featureNames=cancer.feature_names #random_state 相当于随机数种子 X_train,x_test,y_train,y_test=train_test_split(cancer.data,cancer.target,stratify=cancer.target,random_state=42) svm=SVC() svm.fit(X_train,y_train) print("accuracy on the training subset:{:.3f}".format(svm.score(X_train,y_train))) print("accuracy on the test subset:{:.3f}".format(svm.score(x_test,y_test))) #观察数据是否标准化 plt.plot(X_train.min(axis=0),'o',label='Min') plt.plot(X_train.max(axis=0),'v',label='Max') plt.xlabel('Feature Index') plt.ylabel('Feature magnitude in log scale') plt.yscale('log') plt.legend(loc='upper right') #标准化数据 X_train_scaled = preprocessing.scale(X_train) x_test_scaled = preprocessing.scale(x_test) svm1=SVC() svm1.fit(X_train_scaled,y_train) print("accuracy on the scaled training subset:{:.3f}".format(svm1.score(X_train_scaled,y_train))) print("accuracy on the scaled test subset:{:.3f}".format(svm1.score(x_test_scaled,y_test))) #改变C参数，调优,kernel表示核函数，用于平面转换，probability表示是否需要计算概率 svm2=SVC(C=10,gamma="auto",kernel='rbf',probability=True) svm2.fit(X_train_scaled,y_train) print("after c parameter=10,accuracy on the scaled training subset:{:.3f}".format(svm2.score(X_train_scaled,y_train))) print("after c parameter=10,accuracy on the scaled test subset:{:.3f}".format(svm2.score(x_test_scaled,y_test))) #计算样本点到分割超平面的函数距离 print (svm2.decision_function(X_train_scaled)) print (svm2.decision_function(X_train_scaled)[:20]>0) #支持向量机分类 print(svm2.classes_) #malignant和bening概率计算,输出结果包括恶性概率和良性概率 print(svm2.predict_proba(x_test_scaled)) #判断数据属于哪一类，0或1表示 print(svm2.predict(x_test_scaled))
机器分类是如何抉择的？
机器决策有两种方式，第一种依靠decision_function，计算点到分割超平面距离。如果距离绝对值比较明显，说明超平面分割效果较好。
decision_function是计算点到分割超平面距离的函数,
点到平面距离大于0的属于一类，<0的属于一类
第二种方式是predict_proba是概率预测函数，概率大的值就属于对应分类
svm2.predict判断数据属于哪一类，0或1表示
SVM分类
SVM 支持向量机，在sklearn里面，有两种，SVC支持向量分类，用于分类问题，SVR，支持向量回归，用于回归问题。核方法
用于产生非线性分类边界。
linear，线性核，会产生线性分类边界，一般来说它的计算效率最高，而且需要数据最少。线性函数。
from sklearn import svm
svc = svm.SVC(kernel='linear')
svc.fit(X, y)poly，多项式核，会产生多项式分类边界。多项式函数。
svc = svm.SVC(kernel='poly',degree=4)
svc.fit(X, y)rbf，径向基函数，也就是高斯核，是根据与每一个支持向量的距离来决定分类边界的，它能映射到无限维，是最灵活的方法，但是也需要最多的数据。容易产生过拟合问题。指数函数。
svc = svm.SVC(kernel='rbf', gamma=1e2)多分类器
采用”one vs one”，在任意两个样本之间设计一个SVM,k个类别的样本设计k(k-1)/2个svm，当对一个未知样本进行分类时，最后得票最多的类别即为该未知样本的类别。
线性支持向量分类器(LinearSVC):相比于svm.SVC,使用了不同的算法，在某些数据集(比如稀疏数据集，文本挖掘)上运行得更快，对于多分类采用的就是”one vs all”的策略
svc=svm.LinearSVC(X,Y)支持向量
就是最靠近分离边界的样本点，它们是二分类问题中最具有代表性的点。支持向量的坐标可以通过方法support_vectors_来找到。
svc.support_vectors_[:, 0], svc.support_vectors_[:, 1]正则化
只考虑支持向量。使模型在处理样本特征的时候变得更加简单。
正则项可以通过调整系数C来决定
#大的C值：将会有较少的支持向量，决策边界是被大多数支持向量所决定。
svc = svm.SVC(kernel='linear', C=1e3)
#小的C值：将会有较多支持向量，决策边界=类别A的平均值-类别B的平均值
svc = svm.SVC(kernel='linear', C=1e-3)默认参数C=1，对于很多数据集，默认值就能工作的很好。
实践经验：对许多分类器来说，对样本正则化，采用标准差正则方法是非常重要的提升预测效果的手段。
