本文主要向大家介绍了机器学习入门之机器学习：SVM（scikit-learn 中的 SVM：LinearSVC），通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

Hard Margin SVM 和 Soft Margin SVM 都是解决线性分类问题，无论是线性可分的问题，还是线性不可分的问题；


和 kNN 算法一样，使用 SVM 算法前，要对数据做标准化处理；
原因：SVM 算法中设计到计算 Margin 距离，如果数据点在不同的维度上的量纲不同，会使得距离的计算有问题；
例如：样本的两种特征，如果相差太大，使用 SVM 经过计算得到的决策边界几乎为一条水平的直线——因为两种特征的数据量纲相差太大，水平方向的距离可以忽略，因此，得到的最大的 Margin 就是两条虚线的垂直距离；

只有不同特征的数据的量纲一样时，得到的决策边界才没有问题；

 
 
二、例
　1）导入并绘制数据集



import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data
y = iris.target
X = X[y<2, :2]
y = y[y<2]

plt.scatter(X[y==0, 0], X[y==0, 1], color=‘red‘)
plt.scatter(X[y==1, 0], X[y==1, 1], color=‘blue‘)
plt.show()




 
　2）LinearSVC（线性 SVM 算法）

LinearSVC：该算法使用了支撑向量机的思想；
数据标准化

from sklearn.preprocessing import StandardScaler

standardScaler = StandardScaler()
standardScaler.fit(X)
X_standard = standardScaler.transform(X)

 

调用 LinearSVC

from sklearn.svm import LinearSVC

svc = LinearSVC(C=10**9)
svc.fit(X_standard, y)

 

导入绘制决策边界的函数，并绘制模型决策边界：Hard Margin SVM 思想

def plot_decision_boundary(model, axis):
    
    x0, x1 = np.meshgrid(
        np.linspace(axis[0], axis[1], int((axis[1]-axis[0])*100)).reshape(-1,1),
        np.linspace(axis[2], axis[3], int((axis[3]-axis[2])*100)).reshape(-1,1)
    )
    X_new = np.c_[x0.ravel(), x1.ravel()]
    
    y_predict = model.predict(X_new)
    zz = y_predict.reshape(x0.shape)
    
    from matplotlib.colors import ListedColormap
    custom_cmap = ListedColormap([‘#EF9A9A‘,‘#FFF59D‘,‘#90CAF9‘])
    
    plt.contourf(x0, x1, zz, linewidth=5, cmap=custom_cmap)

plot_decision_boundary(svc, axis=[-3, 3, -3, 3])
plt.scatter(X_standard[y==0, 0], X_standard[y==0, 1], color=‘red‘)
plt.scatter(X_standard[y==1, 0], X_standard[y==1, 1], color=‘blue‘)
plt.show()




 

绘制决策边界：Soft Margin SVM 思想

svc2 = LinearSVC(C=0.01)
svc2.fit(X_standard, y)

plot_decision_boundary(svc2, axis=[-3, 3, -3, 3])
plt.scatter(X_standard[y==0, 0], X_standard[y==0, 1], color=‘red‘)
plt.scatter(X_standard[y==1, 0], X_standard[y==1, 1], color=‘blue‘)
plt.show()




 
　3）绘制支撑向量所在的直线

svc.coef_：算法模型的系数，有两个值，因为样本有两种特征，每个特征对应一个系数；
系数：特征与样本分类结果的关系系数；
svc.intercept_：模型的截距，一维向量，只有一个数，因为只有一条直线；


系数：w = svc.coef_
截距：b = svc.intercept_
决策边界直线方程：w[0] * x0 + w[1] * x1 + b = 0
支撑向量直线方程：w[0] * x0 + w[1] * x1 + b = ±1
变形：


决策边界：x1 = -w[0]/w[1] * x0 - b/w[1]
支撑向量：x1 = -w[0]/w[1] * x0 - b/w[1] ± 1/w[1]



修改绘图函数

# 绘制：决策边界、支撑向量所在的直线
def plot_svc_decision_boundary(model, axis):
    
    x0, x1 = np.meshgrid(
        np.linspace(axis[0], axis[1], int((axis[1]-axis[0])*100)).reshape(-1,1),
        np.linspace(axis[2], axis[3], int((axis[3]-axis[2])*100)).reshape(-1,1)
    )
    X_new = np.c_[x0.ravel(), x1.ravel()]
    
    y_predict = model.predict(X_new)
    zz = y_predict.reshape(x0.shape)
    
    from matplotlib.colors import ListedColormap
    custom_cmap = ListedColormap([‘#EF9A9A‘,‘#FFF59D‘,‘#90CAF9‘])
    
    plt.contourf(x0, x1, zz, linewidth=5, cmap=custom_cmap)
    
    w = model.coef_[0]
    b = model.intercept_[0]
    
    plot_x = np.linspace(axis[0], axis[1], 200)
    up_y = -w[0]/w[1] * plot_x - b/w[1] + 1/w[1]
    down_y = -w[0]/w[1] * plot_x - b/w[1] - 1/w[1]
    
    # 将 plot_x 与 up_y、down_y 的关系以折线图的形式表示出来
    # 此处有一个问题：up_y和down_y的结果可能超过了 axis 中 y 坐标的范围，需要添加一个过滤条件：
    # up_index：布尔向量，元素 True 表示，up_y 中的满足 axis 中的 y 的范围的值在 up_y 中的引索；
    # down_index：布尔向量，同理 up_index;
    up_index = (up_y >= axis[2]) & (up_y <= axis[3])
    down_index = (down_y >= axis[2]) & (down_y <= axis[3])
    plt.plot(plot_x[up_index], up_y[up_index], color=‘black‘)
    plt.plot(plot_x[down_index], down_y[down_index], color=‘black‘)

 


绘图：Hard Margin SVM

plot_svc_decision_boundary(svc, axis=[-3, 3, -3, 3])
plt.scatter(X_standard[y==0, 0], X_standard[y==0, 1], color=‘red‘)
plt.scatter(X_standard[y==1, 0], X_standard[y==1, 1], color=‘blue‘)
plt.show()






绘图：Soft Margin SVM

plot_svc_decision_boundary(svc2, axis=[-3, 3, -3, 3])
plt.scatter(X_standard[y==0, 0], X_standard[y==0, 1], color=‘red‘)
plt.scatter(X_standard[y==1, 0], X_standard[y==1, 1], color=‘blue‘)
plt.show()



现象：Margin 非常大，中间容错了很多样本点；
原因：C 超参数过小，模型容错空间过大；
方案：调参；

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！