Ich lerne maschinelles Lernen in Python und mit Scikit lernen Paket. Ich habe R bereits für diesen Zweck verwendet und finde seine Datenstruktur sehr einfach. Scikit learn benutzt numpy array, was ich etwas schwierig finde. In Python haben wir Pandas, die dem R-Dataframe ähnlich sind. Dieser Code stammt aus dieser website.Wie SVM Regression in Iris-Datensatz mit Pandas zu verwenden
R
library(e1071)
library(MASS)
data(iris)
mysvm <- svm(Species ~ ., iris)
mysvm.pred <- predict(mysvm, iris)
table(mysvm.pred,iris$Species)
# mysvm.pred setosa versicolor virginica
# setosa 50 0 0
# versicolor 0 48 2
# virginica 0 2 48
Python
from sklearn import svm, datasets
from sklearn.metrics import confusion_matrix
iris = datasets.load_iris()
mysvm = svm.SVC().fit(iris.data, iris.target)
mysvm_pred = mysvm.predict(iris.data)
print confusion_matrix(mysvm_pred, iris.target)
# [[50 0 0]
# [ 0 48 2]
# [ 0 0 50]]
Wie kann ich über Python-Code verwenden, um mit Pandas Datenrahmen und verwenden SVM Regression
EDITED
Dies ist, was ich
getan habenfrom sklearn import svm, datasets
from sklearn.metrics import confusion_matrix
import pandas as pd
iris = datasets.load_iris()
X=pd.DataFrame(iris.data,columns=iris.feature_names)
y=pd.DataFrame(iris.target)
X.head()
y.head()
mysvm = svm.SVC().fit(X,y)
mysvm_pred = mysvm.predict(X)
print confusion_matrix(mysvm_pred, y)
Aber seine geben diesen Fehler
>>> mysvm = svm.SVC().fit(X,y)
/usr/local/lib/python2.7/dist-packages/sklearn/svm/base.py:514: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples,), for example using ravel().
y_ = column_or_1d(y, warn=True)
>>> mysvm_pred = mysvm.predict(X)
>>> print confusion_matrix(mysvm_pred, y)
/usr/local/lib/python2.7/dist-packages/numpy/core/fromnumeric.py:2645: VisibleDeprecationWarning: `rank` is deprecated; use the `ndim` attribute or function instead. To find the rank of a matrix see `numpy.linalg.matrix_rank`.
VisibleDeprecationWarning)
[[50 0 0]
[ 0 48 0]
[ 0 2 50]]