python使用SVC算法评估汽车价值

关注公众号“轻松学编程”了解更多。

这是一个关于汽车测评的数据集，

类别变量为汽车的测评：

（unacc，ACC，good，vgood）

分别代表（不可接受，可接受，好，非常好）

而6个属性变量分别为

买入价，维护费，车门数，可容纳人数，后备箱大小，安全性。

值得一提的是6个属性变量全部是有序类别变量，

比如「可容纳人数」值可为「2，4，more」，

「安全性」值可为「low, med, high」

price、maint、doors、persons、lug_boot、safty、recommend

导包

import numpy as np

import pandas as pd

from sklearn.svm import SVC

from sklearn.model_selection import train_test_split

from pandas import Series,DataFrame

读取数据

car = pd.read_csv('./data/cars.txt',header=None)

car.head()

#修改列索引

car.columns = ['price','maint','doors','persons','lug_boot',

				'safty','recommend']

#特征数据

X = car.iloc[:,:6]

#目标数据

y = car.recommend

字符串转数字

#'price'这一列的类别

X['price'].unique()

columns = ['price','maint','doors','persons','lug_boot','safty']

for col in columns:

    #获取每一列中字符串的类别(不重复)，返回数组A

    u = X[col].unique()

    #返回item在的数组A中的下标

    def convert(item):

        index = np.argwhere( u == item)[0,0]

        return index

    #把字符串转换成数字

    X[col] = X[col].map(convert)

X.tail()

拆分数据集

X_train,X_test,y_train,y_test = train_test_split(X,y,

												test_size=150)

训练模型并预测评分

#使用支持向量机模型，内核函数使用rbf

svc = SVC(kernel='rbf')

#训练模型

svc.fit(X_train,y_train)

#预测

y_ = svc.predict(X_test)

#评分

svc.score(X_test,y_test)

使用交叉表对比预测结果

#交叉表

pd.crosstab(index = y_,

            columns = y_test,

            rownames=['predict'],

            colnames=['True'],

            margins=True #统计

           )

从交叉表可看出：

acc预测正确32个，预测错误5个，有4个预测成uncc,1个预测成vgood。

good和unacc都预测正确。

vgood预测正确7个，预测错1个。

后记

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我微信【1257309054】，拉你进群，大家一起交流学习。
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

关注我，我们一起成长~~

巴特西

python使用SVC算法