当涉及到机器学习算法的实施时，清单从线性回归到决策树开始。它们有各种类型。主要是当它涉及到沿线性轴分离数据点时，专家们的建议是：
- K-means聚类。
- 支持向量机。
我们都知道，一个ML模型有两种类型：
一般理论
这篇文章的主要目的是让读者了解SVM技术的工作原理。在互联网上，数据是以原始形式提供的。因此，当我们对数据进行结构化和可视化时，其结果是离散或连续分布。根据这一点，SVM被用于两个目的：
- 分类。用于离散的数据参数。
- 回归。用于连续数据参数。
这是支持向量机被高度用于分类和回归目的的主要原因之一。定义是这样说的。支持向量机是一组学习算法，帮助我们对数据的性质进行分类和分析。
SVM的组成部分
- 支持向量。这些是主要的组成部分。它们是位于最大边际两边的简单数据点。
- 最大余量。直到数据分类发生的最大极限。
- 最大裕度超平面。位于正超平面和负超平面之间的最大中限值。
- 阳性超平面。边缘平面的右侧。
- 负超平面。边缘平面的左侧。
图解
简化的SVM图
在这个图中，我们可以清楚地看到，主要的边距是根据颜色来区分所有不同的数据点。我们用颜色来显示它们的差异性质。SVM的主要目的是显示区别，并以最佳的边际线对每个点进行分类。
例子和应用
假设我们有一个类别：车辆。我们的任务是从该类中提取运动型多功能车（SUV）。 现在还有其他各种类型。现在，当我们试图手动排列它们的顺序时，那么可能会花费很多时间。这也会产生一些错误。因此，为了使分类更加稳定，我们可以创建一个支持向量机，将所有的汽车模型从父类车辆中分类。它应按以下步骤工作。
- 该模型将采取一个样本图像。
- 然后将其与已经提供的车辆类型的测试数据进行比较。
- 之后，它告诉我们该输入图像中存在哪种类型的汽车模型。
- 没有其他算法能比SVM更简单了。
实现支持向量机
在本节中，我们将实现支持向量机的所有必要实现。所以，让我们开始吧!
环境细节。
- Python 3.9.7
- IDE。Jupyter Notebooks
- 环境。Anaconda 3
- 数据集。癌症数据集（cell_samples.csv）。
为数据读取和预处理导入必要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from warnings import filterwarnings
filterwarnings("ignore")
读取数据集
cancer_data = pd.read_csv("Datasets/cell_samples.csv", sep = ",")
cancer_data.head()
输出
检查是否有空值
cancer_Data.isna().sum()
获取关于数据集的一般信息
print("The shape of the dataset is: ", cancer_data.shape)
print("The size of the dataset is: ", cancer_data.size, " bytes\n")
print("The count of each attribute of the dataset is: \n")
print(cancer_data.count())
print("\nThe datatype of each attribute is: \n")
print(cancer_data.dtypes)
输出
The shape of the dataset is: (699, 11)
The size of the dataset is: 7689 bytes
The count of each attribute of the dataset is:
ID 699
Clump 699
UnifSize 699
UnifShape 699
MargAdh 699
SingEpiSize 699
BareNuc 699
BlandChrom 699
NormNucl 699
Mit 699
Class 699
dtype: int64
The datatype of each attribute is:
ID int64
Clump int64
UnifSize int64
UnifShape int64
MargAdh int64
SingEpiSize int64
BareNuc object
BlandChrom int64
NormNucl int64
Mit int64
Class int64
dtype: object
将BareNuc列转换为整数类型
cancer_data = cancer_data[pd.to_numeric(cancer_data["BareNuc"], errors = "coerce").notnull()]
cancer_data["BareNuc"] = cancer_data["BareNuc"].astype("int")
cancer_data.dtypes
ID int64
Clump int64
UnifSize int64
UnifShape int64
MargAdh int64
SingEpiSize int64
BareNuc int32
BlandChrom int64
NormNucl int64
Mit int64
Class int64
dtype: object
从数据框中分离出两个类别
对于癌细胞类型分类，我们有两种类型的细胞进行分类：
- 恶性的：在我们的数据集中数值=4
- 良性：在我们的数据集中，数值=2
我们创建两个相同名称的独立数据框。然后，尝试用数据可视化技术对它们进行分类。只取核心数据集中的前五十个值。这使得绘图更容易。
malignant = cancer_data[cancer_data["Class"] == 4][0:50]
benign = cancer_data[cancer_data["Class"] == 2][0:50]
plt.figure(figsize = (10, 5))
ax = plt.axes()
ax.set_facecolor("white")
plt.title("Separating the data points - Clump and UniformShape")
plt.scatter(malignant["Clump"], malignant["UnifShape"] , color = "red", marker = "*")
plt.scatter(benign["Clump"], benign["UnifShape"], color = "green", marker = "+")
plt.legend(["Malignant cell class", "Benign cell class"])
plt.show()
用它们的numpy数组创建独立和依赖数据列列表。
dependent_data = cancer_data[["ID", "Class"]]
independent_data = cancer_data[['Clump', 'UnifSize', 'UnifShape', 'MargAdh', 'SingEpiSize',
'BareNuc', 'BlandChrom', 'NormNucl', 'Mit']]
X_data = np.array(independent_data)
X_data[0:5]
Y_data = np.array(dependent_data["Class"])
Y_data[0:5]
输出
array([[ 5, 1, 1, 1, 2, 1, 3, 1, 1],
[ 5, 4, 4, 5, 7, 10, 3, 2, 1],
[ 3, 1, 1, 1, 2, 2, 3, 1, 1],
[ 6, 8, 8, 1, 3, 4, 3, 7, 1],
[ 4, 1, 1, 3, 2, 1, 3, 1, 1]], dtype=int64)
array([2, 2, 2, 2, 2], dtype=int64)
将数据分割成训练变量和测试变量
从sklearn.model_selection导入train_test_split函数。这就把数据分成了四个数组：
- X_train
- X_test
- y_train
- y_test
在这些数组中，训练数组是一维的，测试数组是一维的。请记住test_size = 0.2，因为我们只需要总数据集的20%来测试我们的模型准确性。
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_data, Y_data, test_size = 0.2, random_state = 4)
print(X_train.shape)
print(y_train.shape)
print(X_test.shape)
print(y_test.shape)
输出
(546, 9)
(546,)
(137, 9)
(137,)
从sklearn导入SVM并创建一个分类器实例
首先我们导入模型，然后我们导入SVC。它是用于分离支持向量的分类器类。创建一个实例 "Classify"。给出内核值为 "线性"，它将线性地分离支持向量。然后我们用fit()函数将X_train数据和Y_train数据装入模型。之后，创建一个 "y_predict "实例，它在一个一维数组中保存所有的预测结果。
from sklearn import svm
classify = svm.SVC(kernel = "linear")
Classify.fit(X_train, y_train)
y_predict = Classify.predict(X_test)
print(y_predict)
输出
array([2, 4, 2, 4, 2, 2, 2, 2, 4, 2, 2, 4, 4, 4, 4, 2, 2, 2, 2, 2, 4, 2,
4, 4, 4, 4, 2, 2, 4, 4, 4, 2, 4, 2, 2, 2, 4, 2, 2, 2, 2, 2, 2, 4,
4, 2, 2, 2, 2, 4, 2, 2, 2, 2, 2, 2, 4, 2, 2, 2, 2, 4, 4, 2, 4, 4,
4, 2, 2, 2, 4, 4, 2, 2, 2, 4, 2, 2, 4, 4, 2, 2, 2, 2, 4, 4, 2, 4,
2, 2, 4, 4, 2, 2, 2, 4, 2, 2, 2, 4, 2, 4, 2, 2, 4, 2, 4, 2, 2, 4,
2, 2, 4, 2, 2, 2, 2, 2, 4, 4, 4, 4, 4, 2, 2, 4, 2, 2, 4, 2, 4, 2,
2, 2, 2, 2, 4], dtype=int64)
因此，我们已经成功地将所有癌症患者和非癌症患者分开。有4个值的细胞是癌细胞，有2个是非癌细胞。现在，我们已经得到了预测结果，我们可以对照Y_test数组运行它们，以检查模型的准确性。为此，我们可以准备一份分类报告。
准备分类报告
为此，我们需要从sklearn.metrics模块导入 classification_report 函数。然后在print()函数中调用它。我们用我们的Y_test数组测试它，结果如下。
from sklearn.metrics import classification_report
print(classification_report(y_test, y_predict))
输出
precision recall f1-score support
2 1.00 0.94 0.97 90
4 0.90 1.00 0.95 47
accuracy 0.96 137
macro avg 0.95 0.97 0.96 137
weighted avg 0.97 0.96 0.96 137
正如结果所说，该模型的精度非常好。对于恶性肿瘤类（值=4）。精度得分是：100%。对于良性类（值=2），精度得分是：90%。
结论
这样，我们已经成功地使用Python实现了支持向量机，并根据给定的输入数据建立了一个预测模型。
