支持向量机及python实现（二）

Hi，小伙伴们，大家好！在上篇文章中，姬莫君（为啥是“姬”？因为据砖家考证，在下祖上是武王姬发的~~子民）用一段可歌可泣的杨过勇闯情花阵解救心上人的故事（在这里，姬莫君对金大侠的去世表示悲痛，“沧海一声笑，滔滔两岸潮~~”）来讲述SVM的基本原理：

（1）数据在线性可分情况下，找到一个最优的TRICK（方法）；

（2）数据在线性不可分（非线性）情况下，将平面上的点映射到高维空间，然后找到最优的超平面。杨大侠的剑痕和树叶就是我们需要找的最优TRICK（方法）和超平面。

图1 杨过大侠与他的剑

今天，姬莫君将会通过一个小实例来给大家讲讲SVM算法的用处。由于，SVM的理论非常复杂，涉及很多诸如拉格朗日对偶性、KKT条件等复杂知识点（有兴趣小伙伴可以加入我们交流群哦~），为了节省大家的脂肪时间，简化思考难度，接下来，我们就从一朵兰艳艳的花儿开始唱讲起吧~~

鸢（读“yuān”）尾花是一种兰花，是鸢尾属植物，是对一族草本开花植物的统称，是法国国花，香气淡雅，可以调制香水。“鸢尾”之名来源于希腊语，意思是彩虹。它表明天上彩虹的颜色尽可在这个属的花朵颜色中看到。鸢尾花常用以象征爱情和友谊，感觉就是如田间里不惊艳的浪漫温馨，灰姑娘与青蛙王子的执著认真。

图2 鸢尾花

这种花很漂亮，非常符合法国浪漫风情，又名爱丽丝，姬莫君顿时想起了鱼香肉丝Jack和Rose，“夜夜梦中见你，梦中的你深情依旧，穿越重重阻隔，在梦中诉说爱将继续 ~~ My Heart Will Go On ”。

图3 Jack and Rose

好了，浪漫的话，我们攒起来，情人节那天一起说（一片顶六片，效果更好，利用率更高，This is知识点！），接下来说说本文用到的知识点：鸢尾花是由6个花瓣状的叶片构成的包膜，3个或6个雄蕊和由花蒂包着的子房组成，因此它会有很多种属性，我们通过花萼（sepal）和花瓣（petal）的长和宽，共四组数据，来区分三种鸢尾花：山鸢尾（Iris Setosa）、变色鸢尾（Iris Versicolor）和维吉尼亚鸢尾（Iris Virginica）。在python机器学习算法库sklearn中的datasets包含了鸢尾花的数据：

图4 鸢尾花数据集

上图展示了python库中部分鸢尾花的测试数据，即4列150行，代表四种属性和150个鸢尾花，也就是说每一行确定鸢尾花的类别。那么现在我们用这组数据做一个事情，将它们进行分类，比如我们可以对花萼（sepal）的宽度进行分类，当花萼（sepal）长度小于5.0属于山鸢尾，大于5.0，小于6.0属于变色鸢尾，大于6.0属于维吉尼亚鸢尾（注意：这里保持其他的属性均满足各自所属种类）。目标定了，那么怎么来实现呢，首先我们来举个栗子，有学校的地方就有考试，有考试的地方就有分数，有分数的地方就有等级划分，姬莫君在读书时候，被划为优等生（这话写出来，我自都信了！），那么老师是怎么划分优、良、差这三类学生呢？对不起，我问的很弱智，当然是分数啦！某次考试分数大于85分列为优等生，大于60小于85分的是良，小于60是差，也就是老师画好了线（相当于建立一个分类模型），你就被划分为不同的类别，姬莫君考了80分（相当于一个测试数据），那么我就被划为良这个类。为什么不把我划分优呢，因为我没过85这个线，不属于优这个类。这样的分类问题就是首先确定好分类器（老师画的线），然后再逐一比对某组数据属于那个类，属于监督性的机器学习。比较简单的就是分为两类（这里本来想简单写一些算法步骤，但是发现，简单的说不明白，想说的明白些，不简单，因此，用一句话概括，找到最优的一条线或者一个平面，让它们到各个分类点的距离满足你的目标，即求点与线之间距离或点与平面之间距离的最优值）。好了，说了这么多，姬莫君也觉得是时候该表演真正的技术了。

图5 插图1

问题简单描述：通过花萼（sepal）的宽度对鸢尾花进行分类，我们首先在python机器学习算法库sklearn中调取用于算法学习和训练的数据包datasets，将鸢尾花数据导出来并进行处理，分为训练集和测试集，然后分别进行模型训练和测试。不多说直接贴代码：

注意：此代码基于python3.0编写。我们运行上面代码可以得到下图：

图6 鸢尾花svm

针对上图作如下说明：横坐标是花萼长度训练数据的第一列，坐标是花萼宽度训练数据的第二列，图中浅蓝色的圆点和棕色的圆点是训练数据的散点，从图中可以看出将花分为两类（第三类由其他两个属性决定），紫色的圆点和黄色的圆点是测试数据的散点，我们可以看出，除了图中一个画红色圈圈的错误分类外，其他的数据均分类准确，说明此模型作为鸢尾花的分类器效果很理想，当然如果需要更加准确的结果，就需要大量的数据进行迭代训练。

好了本期内容就到这里了，欢迎大家在评论区留言或者来我们的三行科创交流群。