技術標籤：機器學習python機器學習svmpycharm

預測一棟大樓進出樓門的人數

• 實驗內容
• 詳細步驟
• 原始碼和資料集
• 實驗結果
• 總結

實驗內容

我們將建立一個SVM來預測一棟大樓進出樓門的人數。

詳細步驟

import numpy as np
from sklearn import preprocessing
from sklearn.svm import SVC

input_file = 'building_event_binary.txt'
# input_file = 'building_event_multiclass.txt'

# 讀取資料
X = []
count =
 
 0
with open(input_file, 'r') as f:
    for line in f.readlines():
        data = line[:-1].split(',')
        X.append([data[0]] + data[2:])

X = np.array(X)     #把資料全部新增到X當中

# 將字串格式轉化成數字格式
label_encoder = [] 
X_encoded = np.empty(X.shape)
for i,item in enumerate(X[0]):
    if item.isdigit():
        X_encoded[
 
:, i] = X[:, i]
    else:
        label_encoder.append(preprocessing.LabelEncoder())
        X_encoded[:, i] = label_encoder[-1].fit_transform(X[:, i])

X = X_encoded[:, :-1].astype(int)
y = X_encoded[:, -1].astype(int)

# 使用徑向基函式、概率輸出和平衡方法訓練SVM分類器
# 建立SVM模型
params = {'kernel': 'rbf', 'probability':
 
 True, 'class_weight': 'balanced'}# 微調！！！
classifier = SVC(**params)
classifier.fit(X, y)

# 交叉驗證
from sklearn import model_selection

accuracy = model_selection.cross_val_score(classifier,
        X, y, scoring='accuracy', cv=3)
print("Accuracy of the classifier: " + str(round(100*accuracy.mean(), 2)) + "%")

# 用一個新的資料點測試SVM
# 對單一資料示例進行編碼測試
input_data = ['Tuesday', '12:30:00','21','23']
input_data_encoded = [-1] * len(input_data)
count = 0
for i,item in enumerate(input_data):
    if item.isdigit():
        input_data_encoded[i] = int(input_data[i])
    else:
        input_data_encoded[i] = int(label_encoder[count].transform([input_data[i]]))
        count = count + 1 

input_data_encoded = np.array(input_data_encoded)
input_data_encoded = input_data_encoded.reshape(1, len(input_data))

# 為特定資料點預測並列印資料結果
output_class = classifier.predict(input_data_encoded)
print("Output class:", label_encoder[-1].inverse_transform(output_class)[0])

原始碼和資料集

連結：https://pan.baidu.com/s/1PkUHc_F7eXyoDMsHcESzXQ
提取碼：ezp7
複製這段內容後開啟百度網盤手機App，操作更方便哦

實驗結果

（1） 當使用的資料集是building_event_binary.txt，執行結果如下：

（2） 當使用的資料集是building_event_multiclass.txt時，執行結果如下 ：

總結

由於是Python3.7版本，要新增下面兩句

int(label_encoder[count].transform([input_data[i]]))

input_data_encoded = input_data_encoded.reshape(1, len(input_data))