Question

我愿意使用SVM来预测sklearn的IRIS数据集的类。使用WEKA我可以使用LibSVM进行100％预测。在Pyton中，LibSVM似乎是在SVR中实现的。所以我尝试使用SVR，但我得到的结果不是类（0,1,2），而是数字（回归的结果）。

如果我使用与WEKA LibSVM相同的参数执行此代码：

import numpy
from sklearn import svm, datasets

# import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target
model = svm.libsvm.fit(kernel = 'rbf', svm_type=0, X=iris.data,         
Y=iris.target.astype(numpy.float64), C=10, gamma = 10, epsilon = 0.01,     coef0=0, random_seed=0)
pred = svm.libsvm.predict(iris.data, *model)
pred = pred.astype(numpy.int)
print(pred)

我得到以下结果：

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 2 2 2 1 2 2 2 2
 2 2 1 2 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 2 2 2 1 2 2 2 2 1 2 2 2 1 2 2 2 2 2
 2 1]

而WEKA可能会产生[ 0, ..., 0, 1, ... 1, 2, ..., 2]。我想知道为什么我不能使用相同的参数得到相同的结果？

Answer 1

您希望使用SVC，而不是SVR，或选择其他SVM classifiers。

你有什么限制迫使你特别使用libsvm？你能不能使用liblinear吗？我不确定这是否重要，因为支持向量分类器继承自抽象基类BaseLibSVM，这意味着默认情况下SVC也将使用libsvm。

如果您愿意，您也可以使用svm.libsvm子包。在那里，即使输入数据被视为float64，默认模式为C_SVC，这意味着它会将浮点目标值视为类标签，预测将是类标签。

sklearn C-SVC with iris dataset to get class

1 个答案: