支持向量机

**实验****5:**支持向量机

• 实验目的

了解支持向量机的基本原理，利用支持向量机算法解决实际问题。

• 实验准备

安装python和pycharm，了解python基础编程和pycharm使用。

三、实验内容

从文件iris.data中获取鸢尾花数据样本，在其中提取出前两个维度特征及其对应的标签信息用于建模训练，并利用这些标签辅助预测过程。将样本按6:4的比例随机划分为训练集与验证集，在支持向量机模型下识别不同种类的鸢尾花样本类型。通过调节关键参数如C值、核函数类型以及决策函数形状等优化性能，并基于选取的第一二主成分生成二维投影图展示各品种分布情况的同时计算并评估其分类准确率以及其他相关指标数值。

实验步骤：（代码将附在文末）

为了明确实验的核心目的及研究方向, 本次研究旨在验证归纳性假设. 在本研究中采用控制变量法进行分析, 系统考察各关键参数对其分类器性能的影响, 从而深入探究支持向量机的工作原理及性能特征. 要熟知\texttt{svm.SVC} 中各个参数的实际含义, 下面给出参数的含义:

1. C ：在C-SVC算法中，惩罚因子C的预设值为1.0。
2. kernel ：该模型采用核函数类型作为核心组件，默认设置为径向基函数（rbf），支持线性核（linear）、多项式核（poly）、径向基函数（rb