如何使用自己的特征矩阵来训练模型
来源：11-4 scikit-learn中的SVM
儒将肚甫
2019-12-23
波波老师好，参照http://coding.imooc.com/learn/questiondetail/158175.html
“关于SVM模型训练的结果”中的第3个问题.我还是搞不明白。。
您能不能大致说一下，怎么用自己的数据替换掉：
iris = datasets.load_iris()
X = iris.data
y = iris.target
就是我有自己的 data，有自己的target了，怎么利用您教的方法来为我自己的实际应用服务？？
看了您给的链接，还是不太清楚怎么直接处理自己的数据。
比如如果我有一个40013的特征矩阵，400是样本数，13是每个样本中提取的特征数。（一共四类，四分类）；还有一个4001的矩阵，是标记了每个样本的标签。我应该以什么形式保存他们？？（您能直接用一行给我举个例子么）。然后比如我最后生成了俩 .csv文件。我应该怎么训练一个模型，又该怎么用这个模型处理新的位置的数据的分类问题？（怎么具体使用predict函数）。谢谢啦。我的要求就很简单，我有一个13*400特征矩阵，我也知道这400个对应的标签（比如是A类，B类，C类，D类，每个100个训练样本，共同组成了400个）。我现在想训练一个四分类的模型。然后再输入一个未知标签（种类）的13维的特征向量，我能直观的看到训练好的模型得predict的结果。我现在就是有自己的特征矩阵了，不知道下一步咋处理。。希望您能直接给举个例子说一下。。
比如A类100个训练样本中的其中一个，它的13维特征矩阵如下：
-2.692881174
2.233883954
-3.710580465
0.842407988
1.589427545
1.876178279
1.676918198
1.264089474
0.288831208
1.61459498
1.906924966
1.674927895
-60.55249462
1回答
-
抱歉，我无法做到根据每个同学的需求，给同学写出代码。如果那样的话，我就不能干别的，光给同学们写代码了。请谅解。这是课程问答区，我会针对同学们的提问，给出回答。
如果我没有理解错，你现在有两个 csv 文件，一个里面包含 400 行，每行 13 个数据，是样本；另一个文件里包含 400 个元素，是 y
第一步，读取 400 * 13 的文件，将这 400 * 13 个元素存成 python 中的二维列表。请自行搜索"Pyton3 csv读取"，学习如何使用 python 处理 csv 文件；同理，你可以将第二个 csv 文件，读出来，存成 python 的一个一维列表；
第二步，将 python 的二维列表，转换成 numpy 的二维数组；将 python 的一维列表转换成 numpy 的一维数组。转换的方式，直接使用 np.array 就好。可以再参考一下 3-3 小节的内容。
第三步，此时，你转换出的 numpy 的二维数组，就是 X，一维数组，就是 y。X 应该是 400 * 13 的，y 里应该有 400 个元素。后续具体机器学习的处理方式，是和课程中介绍一致的。你可以根据自己的需要，组建自己的 pipeline（是否需要标准化？是否需要分割训练测试数据集？或者训练验证测试数据集？或者使用交叉验证？具体是用什么算法？是否需要使用网格搜索？等等）
训练好模型以后，使用 predict 的方式，也和课程中介绍的是一致的。我不确定你对课程中使用的 predict 方式哪里存在疑问，可以后续继续追加提问。
继续加油！：）
112019-12-24
相似问题