波斯頓房價數(shù)據(jù)SVM分類_第1頁
波斯頓房價數(shù)據(jù)SVM分類_第2頁
波斯頓房價數(shù)據(jù)SVM分類_第3頁
波斯頓房價數(shù)據(jù)SVM分類_第4頁
波斯頓房價數(shù)據(jù)SVM分類_第5頁
已閱讀5頁，還剩12頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

數(shù)據(jù)挖掘技術與應用波斯頓房價數(shù)據(jù)SVM分類實訓實訓目標理解SVM分類算法的核心步驟。掌握支持向量機的Python實現(xiàn)。通過數(shù)據(jù)集的部分樣本訓練構造SVM模型并訓練。調(diào)用構建好的模型對測試集樣本進行預測。實訓環(huán)境使用3.6版本的Python。使用jupyternotebook或PyCharm2018社區(qū)版作為代碼編輯器。numpy、pandas、sklearn實訓數(shù)據(jù)統(tǒng)計了波士頓506處房屋的13種不同特征（包含城鎮(zhèn)犯罪率、一氧化氮濃度、住宅平均房間數(shù)、到中心區(qū)域的加權距離以及自住房平均房價等）以及房屋的價格。實訓內(nèi)容導入必要的庫。導入數(shù)據(jù)集。獲取特征值。獲取標簽。切分數(shù)據(jù)集合。創(chuàng)建模型。訓練模型。輸出結果。波斯頓房價數(shù)據(jù)SVM分類實現(xiàn)代碼導入數(shù)據(jù)包fromsklearn.svmimportSVCfromsklearn.model_selectionimporttrain_test_splitfromsklearnimportdatasets數(shù)據(jù)說明統(tǒng)計了波士頓506處房屋的13種不同特征（包含城鎮(zhèn)犯罪率、一氧化氮濃度、住宅平均房間數(shù)、到中心區(qū)域的加權距離以及自住房平均房價等）以及房屋的價格。導入數(shù)據(jù)集boston=datasets.load_boston()獲取特征值X=boston.data獲取標簽Y=[1ify>25else0foryinboston.target]切分數(shù)據(jù)集合x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=6)創(chuàng)建模型model=SVC(kernel='linear',class_weight='balanced')訓練模型model=model.fit(x_train,y_train)輸出結果print("Train_score:{0},Test_score:{1}".format(model.score(x_tr

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論