机器学习 周志华 练习 13.4

从网上获取TSVM算法的具体实现方法，并可以选择两个UCI基准数据集来进行实验研究。在两个数据集中分别设置30%的数据作为测试集用于评估模型性能，在10%的数据中引入人工标注信息作为有标签训练集；剩余60%的数据则作为无标签训练集来完成模型训练任务。通过构建带有无标签数据的TSVM模型和基于有标签数据的传统SVM模型来评估性能差异

采用Iris数据集作为基准，并基于scikit-learn库中的SVM实现构建TSVM模型。为了便于直观展示分类效果, 从Iris数据集中选取了两个主要类别, 并将目标标签设为-1和1。在训练完成后利用两个关键特征进行可视化展示。本研究旨在通过线性判别界面与传统方法对比分析其优势, 具体代码如下：

    # -*- coding: utf-8 -*-
    import numpy as np
    import matplotlib.pyplot as plt
    import sklearn.svm as svm
    from sklearn import datasets
    from sklearn.preprocessing import StandardScaler
    
    # balanced data，each class has the same volume of every kind of d