人工智能专栏推荐

正文

使用SVM和LR都可以做分类，我们来看一下它们是怎么做到的？本文将使用SVM和LR同时来拟合同一数据训练出SVM模型和LR模型。

我们现在有两个文件，分别是spamTrain.mat训练集数据，和spamTest.mat

测试集数据。我们先对这两文件进行读取，生成训练数据X, y

以及测试数据test_X, test_y

数据已经有了，我们分别来拟合svm模型和LR模型，然后让它们分别来预测我们的预测数据，看它们的各项指标。

全部代码：代码

#svm

svc = svm.SVC()

svc.fit(X, y)

pred = svc.predict(test_X)

print(metrics.classification_report(test_y, pred))

#逻辑回归

logit = LogisticRegression()

logit.fit(X, y)

pred = logit.predict(test_X)

print(metrics.classification_report(test_y, pred))

代码：

from sklearn import svm

from sklearn import metrics

from sklearn.linear_model import LogisticRegression

import scipy.io as sio

mat_tr = sio.loadmat('spamTrain.mat')

print (mat_tr.keys())

mat_test = sio.loadmat('spamTest.mat')

print (mat_test.keys())

X, y = mat_tr.get('X'), mat_tr.get('y').ravel()

print (X.shape, y.shape)

test_X, test_y = mat_test.get('Xtest'), mat_test.get('ytest').ravel()

print (test_X.shape, test_y.shape)

#svm

svc = svm.SVC()

svc.fit(X, y)

pred = svc.predict(test_X)

print(metrics.classification_report(test_y, pred))

#逻辑回归

logit = LogisticRegression()

logit.fit(X, y)

pred = logit.predict(test_X)

print(metrics.classification_report(test_y, pred))