Python 用于支持向量机模型而不是数据帧的Numpy数组
2个问题:Python 用于支持向量机模型而不是数据帧的Numpy数组,python,numpy,svm,Python,Numpy,Svm,2个问题: 数据从pandas数据帧(通过pd.read\u csv)进入numpy数组。 这样更好吗?有什么好的理由吗?为什么不继续使用数据帧呢 我不理解这个符号: X=数据[:,0:2] y=数据[:,2] 它有什么作用 多谢各位 数据由一个CSV文件组成,其中有许多行,如下所示: 0.28917,0.65643,0 它包括三列,前两列由点的坐标组成,第三列为标签。X=data[:,0:2]表示取所有行,并取0到2列。因此,将列0和1分配给Xy=data[:,2]表示取整个第2列并将其分配给
它包括三列,前两列由点的坐标组成,第三列为标签。
X=data[:,0:2]
表示取所有行,并取0到2列。因此,将列0和1分配给X
y=data[:,2]
表示取整个第2列并将其分配给y
。您只需将数据的不同部分分配给变量,这样就不必重复复杂的表达式,如model.fit(data[:,0:2],data[:,2])
。非常感谢。有关numpy中索引的更详细说明,请查看感谢分享
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import pandas as pd
import numpy as np
# Read the data.
data = np.asarray(pd.read_csv('data.csv', header=None))
# Assign the features to the variable X, and the labels to the variable y.
X = data[:,0:2]
y = data[:,2]
# TODO: Create the model and assign it to the variable model.
# Find the right parameters for this model to achieve 100% accuracy on the dataset.
model = SVC()
model.fit(X,y)