元音数据SVM分类_第1页
元音数据SVM分类_第2页
元音数据SVM分类_第3页
元音数据SVM分类_第4页
元音数据SVM分类_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

数据挖掘技术与应用元音数据SVM分类实训实训目标理解SVM分类算法的核心步骤。掌握支持向量机的Python实现。通过数据集的部分样本训练构造SVM模型并训练。调用构建好的模型对测试集样本进行预测。实训环境使用3.6版本的Python。使用jupyternotebook或PyCharm2018社区版作为代码编辑器。numpy、pandas、sklearn实训数据数据由三维数组组成：元音数据[扬声器，元音，输入]。扬声器由0-89整数索引。（实际上，有十五个单独的扬声器，每个扬声器说六次元音。）这些元音由0-10的整数索引。对于每种发音，都有十个浮点输入值，数组索引为0-9。问题是只使用来自“扬声器”0-47的数据来训练网络，然后在扬声器48-89上测试网络，报告测试集中正确分类的数量。连接主义的问题分为两类，可能的和不可能的。他对后者很感兴趣，因为后者意味着没有确切解决方案的问题。因此，这里的问题不是看网络训练的速度有多快（尽管这很重要），而是要使性能欠佳的性能最大化实训内容导入必要的库。导入数据集。获取特征值。获取标签。切分数据集合。创建模型。训练模型。输出结果。元音数据SVM分类实现代码导入数据包importpandasaspdfromsklearn.svmimportSVCfromsklearn.model_selectionimporttrain_test_split数据说明数据由三维数组组成：元音数据[扬声器，元音，输入]。扬声器由0-89整数索引。（实际上，有十五个单独的扬声器，每个扬声器说六次元音。）这些元音由0-10的整数索引。对于每种发音，都有十个浮点输入值，数组索引为0-9。问题是只使用来自“扬声器”0-47的数据来训练网络，然后在扬声器48-89上测试网络，报告测试集中正确分类的数量。连接主义的问题分为两类，可能的和不可能的。他对后者很感兴趣，因为后者意味着没有确切解决方案的问题。因此，这里的问题不是看网络训练的速度有多快（尽管这很重要），而是要使性能欠佳的性能最大化导入数据集df=pd.read_csv(r'data\vowel.data',sep="\\s+",header=None)获取特征值X=df.iloc[:,3:13]获取标签Y=df.iloc[:,13]切分数据集合x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=6)创建模型model=SVC(kernel='linear',class_weight='balanced')训练模型model=model.fit(x_train,y_train)输出结果print("Train_score:{0},Test_score:{1}".forma

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论