3 机器学习

from sklearn import datasets
iris = datasets.load_iris()

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.4,random_state=0)

from sklearn import svm
#建立模型
svc = svm.SVC()
'''
svm.SVC(kernel='linear')：核函数为线性函数
svm.SVC(kernel='poly', degree=3)：核函数为3次多项式函数，如果degree=n，则使用的核函数是n次多项式函数
svm.SVC()：核函数为径向基函数，默认rbf
svm.SVC(kernel='sigmoid')：核函数为Sigmoid函数
'''

#训练模型
svc.fit(X_train, y_train)

#预测模型
print(svc.predict([[5.84,4.4,6.9,2.5]]))

import numpy as np
from sklearn.metrics import accuracy_score
accuracy_score(y_true, y_pred)

from sklearn.metrics import mean_squared_error
mean_squared_error(y_true, y_pred)

from sklearn.model_selection import cross_val_scorescores = cross_val_score(svc, iris.data, iris.target, cv=5)
scores.mean(),scores.std()

#import pickle 这是python自带的持久化库
import joblib #这原属于sklearn，现已独立
#from skliearn import joblib 旧版本
#pickle.dumps(svc) 可存储为字符串
joblib.dump(svc, 'filename.pkl') 
svc1 = joblib.load('filename.pkl')