🌈🌈🌈机器学习 实战系列 总目录

本篇文章的代码运行界面均在Pycharm中进行
本篇文章配套的代码资源已经上传

SVM分类实战1之简单SVM分类
SVM分类实战2线性SVM
SVM分类实战3非线性SVM

3、不同软间隔C值

3.1 数据标准化的影响

如图左边是没有使用标准化操作的分类结果，右边使用了标准化操作，很显然右边分类的精度更高，能够更好的将数据进行分类

3.2 软间隔

如左图所示，存在一个离群点，如果严格按照SVM一定要全部分类正确去做，不可能找到一个回归线将两类数据分开。右边的图，它的决策边界要求放松了一点，但是可以基本拟合数据的分类情况。这个就是软间隔需要做的事情，它可以控制当前的决策边界别那么严格了，错一点也没关系，使用超参数C控制软间隔程度。

import numpy as np
from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC
iris=datasets.load_iris()
X = iris["data"][:,(2,3)] # petal length, petal width
y = (iris["target"] == 2).astype(np.float64) # Iris-Viginica
svm_clf = Pipeline((('std',StandardScaler()),('linear_svc',LinearSVC(C=1))
))   
svm_clf.fit(X,y)
svm_clf.predict([[5.5,1.7]])

1. 导包
2. 取出鸢尾花数据
3. 取出两列作为输入数据
4. 取出标签数据
5. svm_clf分类器
6. 标准化操作
7. 线性支持向量机，C值指定为1
8. 训练处一个基本模型
9. 随便传进去两个值，预测出结果属于第二个类别

打印结果：

array([1.])

3.3 不同C值对比

scaler = StandardScaler()
svm_clf1 = LinearSVC(C=1,random_state = 42)
svm_clf2 = LinearSVC(C=100,random_state = 42)
scaled_svm_clf1 = Pipeline((('std',scaler),('linear_svc',svm_clf1)
))  
scaled_svm_clf2 = Pipeline((('std',scaler),('linear_svc',svm_clf2)
)) 
scaled_svm_clf1.fit(X,y)
scaled_svm_clf2.fit(X,y)

这段代码展示了如何使用scikit-learn库中的Pipeline和StandardScaler来构建和训练两个不同的线性支持向量机分类器，其中一个使用较小的正则化参数C，另一个使用较大的正则化参数C。下面是对代码的解释：

1. scaler = StandardScaler(): 这行代码创建了一个名为scaler的标准化器对象。StandardScaler用于将数据标准化，即将特征缩放到均值为0，方差为1的标准正态分布。

2. svm_clf1 = LinearSVC(C=1, random_state=42): 这行代码创建了一个线性支持向量机分类器svm_clf1，并设置正则化参数C为1。random_state参数用于设置随机数生成器的种子，以确保结果的可重现性。

3. svm_clf2 = LinearSVC(C=100, random_state=42): 这行代码创建了另一个线性支持向量机分类器svm_clf2，并设置较大的正则化参数C为100，同时也设置了相同的随机种子。

4. scaled_svm_clf1 和 scaled_svm_clf2 是使用Pipeline构建的两个分类器，它们包含了标准化和线性支持向量机两个步骤。具体来说，scaled_svm_clf1 将数据首先标准化，然后应用 svm_clf1 进行分类，而 scaled_svm_clf2 将数据首先标准化，然后应用 svm_clf2 进行分类。

5. Pipeline对象由一个元组构成，元组中包含了一系列的步骤，每个步骤都由一个名称和一个估算器（estimator）组成。在这里，第一个步骤使用了标准化器std，第二个步骤使用了线性支持向量机分类器linear_svc。

6. scaled_svm_clf1.fit(X, y) 和 scaled_svm_clf2.fit(X, y) 分别用于训练两个分类器，其中 X 是输入特征，y 是目标标签。这将使模型学习如何根据输入数据对鸢尾花进行分类。

通过这种方式，可以比较两个不同正则化参数C的线性SVM分类器的性能，并选择适合你数据的模型。通常，较大的C值表示模型对分类错误的惩罚更大，可能会导致更复杂的模型，而较小的C值则表示模型对分类错误的惩罚较小，可能导致更简单的模型。选择适当的C值取决于具体的问题和数据。

3.4 展示训练结果

b1 = svm_clf1.decision_function([-scaler.mean_ / scaler.scale_])
b2 = svm_clf2.decision_function([-scaler.mean_ / scaler.scale_])
w1 = svm_clf1.coef_[0] / scaler.scale_
w2 = svm_clf2.coef_[0] / scaler.scale_
svm_clf1.intercept_ = np.array([b1])
svm_clf2.intercept_ = np.array([b2])
svm_clf1.coef_ = np.array([w1])
svm_clf2.coef_ = np.array([w2])

plt.figure(figsize=(14,4.2))
plt.subplot(121)
plt.plot(X[:, 0][y==1], X[:, 1][y==1], "g^", label="Iris-Virginica")
plt.plot(X[:, 0][y==0], X[:, 1][y==0], "bs", label="Iris-Versicolor")
plot_svc_decision_boundary(svm_clf1, 4, 6,sv=False)
plt.xlabel("Petal length", fontsize=14)
plt.ylabel("Petal width", fontsize=14)
plt.legend(loc="upper left", fontsize=14)
plt.title("$C = {}$".format(svm_clf1.C), fontsize=16)
plt.axis([4, 6, 0.8, 2.8])plt.subplot(122)
plt.plot(X[:, 0][y==1], X[:, 1][y==1], "g^")
plt.plot(X[:, 0][y==0], X[:, 1][y==0], "bs")
plot_svc_decision_boundary(svm_clf2, 4, 6,sv=False)
plt.xlabel("Petal length", fontsize=14)
plt.title("$C = {}$".format(svm_clf2.C), fontsize=16)
plt.axis([4, 6, 0.8, 2.8])

打印结果：

[0.86509158 2.24724474]
[1.74772456 3.14504837]

如左图，当C值设置的比较小的时候，得到的决策边界比较大，但是会出现一些错误，设置比较的大的时候就会比较严格，就容易出现过拟合的风险

• 在右侧，使用较高的C值，分类器会减少误分类，但最终会有较小间隔。
• 在左侧，使用较低的C值，间隔要大得多，但很多实例最终会出现在间隔之内。

SVM分类实战1之简单SVM分类
SVM分类实战2线性SVM
SVM分类实战3非线性SVM