![](/img/trans.png)
[英]Why are the regions/decision boundaries overlapping with multi-class classification using SVM in sci-kit?
[英]Using prepared data for Sci-kit classification
我正在尝试使用Sci-kit学习python库来分类一堆网址,以确定是否存在与用户配置文件匹配的特定关键字。 用户具有姓名,电子邮件地址......以及分配给他们的网址。 我创建了一个txt,每个链接上的每个配置文件数据匹配的结果都是这样的格式:
Name Email Address
0 1 0 =>Relavent
1 1 0 =>Relavent
0 1 1 =>Relavent
0 0 0 =>Not Relavent
其中0或1表示在页面上找到属性(每行是一个网页)如何将此数据提供给sci-kit以便它可以使用它来运行分类器? 我看到的例子都有来自预定义的sch-kit库的数据,例如数字或虹膜,或者是以我已有的格式生成的。 我只是不知道如何使用我必须提供给库的数据格式
以上是一个玩具示例,我有比3更多的功能
所需的数据是具有形状(n_samples, n_features)
的numpy
数组 (在这种情况下为“矩阵” (n_samples, n_features)
。
使用numpy.genfromtxt
将csv文件读取为正确格式的简单方法。 也参考这个帖子 。
让csv文件的内容(比如当前工作目录中的file.csv
)为:
a,b,c,target
1,1,1,0
1,0,1,0
1,1,0,1
0,0,1,1
0,1,1,0
要加载它我们做
data = np.genfromtxt('file.csv', skip_header=True)
skip_header
设置为True
,以防止读取标题列( a,b,c,target
行)。 有关更多详细信息,请参阅numpy的文档 。
加载数据后,需要根据输入数据格式进行一些预处理。 预处理可以是分割输入和目标(分类)或将整个数据集拆分为训练和验证集(用于交叉验证)。
要从输出(目标矢量)中分割输入(特征矩阵),我们这样做
features = data[:, :3]
targets = data[:, 3] # The last column is identified as the target
对于上面给出的CSV数据,数组将使用如下所示:
features = array([[ 0, 1, 0],
[ 1, 1, 0],
[ 0, 1, 1],
[ 0, 0, 0]]) # shape = ( 4, 3)
targets = array([ 1, 1, 1, 0]) # shape = ( 4, )
现在将这些矩阵传递给估计器对象fit
函数。 如果你正在使用流行的svm分类器那么
>>> from sklearn.svm import LinearSVC
>>> linear_svc_model = LinearSVC()
>>> linear_svc_model.fit(X=features, y=targets)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.