目錄

一、基礎理論

二、身高體重預測性別

1、獲取數據（男女生身高體重）

2、數據處理（合并數據）

3、設置標簽

4、創建分類器（支持向量機）

4-1、創建svm分類器

4-2、設置分類器屬性（線性核）

5、訓練

6、預測

總代碼

---

一、基礎理論

SVM本質：尋求一個最優的超平面進行分類。（分類器）

SVM核：支持很多核（這里主要使用線性核）

左圖分類比較簡單，一條線就可以分類；

但右圖一條線明顯無法完成分類，這時則需要多條線甚至曲線才能完成分類。

這里用的是監督學習，所以必須要有label標簽（即目標值）。

二、身高體重預測性別

1、獲取數據（男女生身高體重）

獲取男女生身高體重（訓練集、測試集）?

# 訓練集
girls_train = np.array([[155, 48], [159, 50], [165, 55], [158, 55], [170, 58]])
boys_train = np.array([[162, 56], [182, 68], [175, 62], [180, 72], [178, 66]])
# 測試集
girls_test = np.array([[152,46], [164,55]])
boys_test = np.array([[175,64], [182, 67]])

2、數據處理（合并數據）

# 2 合并數據（并轉浮點型，svm需要）
data = np.vstack((girls_train, boys_train))
data = np.array(data, dtype='float32')
print(data)
predict_data = np.vstack((girls_test, boys_test))
predict_data = np.array(predict_data, dtype='float32')
print(predict_data)

3、設置標簽

# 3 設置標簽（監督學習的目標值）（0：負樣本；1：正樣本）
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])

4、創建分類器（支持向量機）

4-1、創建svm分類器

# 4-1 創建svm分類器
svm = cv2.ml.SVM_create()

4-2、設置分類器屬性（線性核）

# 4-2 設置分類器屬性
svm.setType(cv2.ml.SVM_C_SVC)       #svm 類型
svm.setKernel(cv2.ml.SVM_LINEAR)    #設置內核：線性核（最關鍵）
svm.setC(0.01)

5、訓練

根據訓練集和目標集，進行監督學習。?

# 5 訓練
svm.train(data, cv2.ml.ROW_SAMPLE, label)

6、預測

# 6 預測
print(svm.predict(predict_data))

可以看到，結果預測成功，前面兩個是女的（0），最后2個是男的（1），達到了想要的效果。

?

總代碼

# SVM支持向量機（根據身高體重預測性別）
import cv2
import numpy as np# 1 獲取數據（男女生身高體重）
# 訓練集
girls_train = np.array([[155, 48], [159, 50], [165, 55], [158, 55], [170, 58]])
boys_train = np.array([[162, 56], [182, 68], [175, 62], [180, 72], [178, 66]])
# 測試集
girls_test = np.array([[152,46], [164,55]])
boys_test = np.array([[175,64], [182, 67]])# 2 合并數據（并轉浮點型，svm需要）
train_data = np.vstack((girls_train, boys_train))
train_data = np.array(train_data, dtype='float32')
print(train_data)
test_data = np.vstack((girls_test, boys_test))
test_data = np.array(test_data, dtype='float32')
print(test_data)# 3 設置標簽（監督學習的目標值）（0：負樣本；1：正樣本）
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
# print(label)# 4 創建分類器（支持向量機）
# 4-1 創建svm分類器
svm = cv2.ml.SVM_create()# 4-2 設置分類器屬性
svm.setType(cv2.ml.SVM_C_SVC)       #svm 類型
svm.setKernel(cv2.ml.SVM_LINEAR)    #設置內核：線性核（最關鍵）
svm.setC(0.01)# 5 訓練
svm.train(train_data, cv2.ml.ROW_SAMPLE, label)
#         訓練集                          標簽（目標集）# 6 預測
print(svm.predict(test_data))

總結

以上是生活随笔為你收集整理的机器学习（18）-- SVM支持向量机（根据身高体重分类性别）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。