我愿意使用SVM来预测sklearn的IRIS数据集的类。使用WEKA，我可以使用LibSVM获得100％的预测。在Pyton中，LibSVM似乎是在SVR中实现的。因此，我尝试使用SVR，但得到的结果不是类（0、1、2），而是数字（回归结果）。
如果我使用与WEKA LibSVM相同的参数执行此代码：
import numpy
from sklearn import svm, datasets
# import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target
model = svm.libsvm.fit(kernel = 'rbf', svm_type=0, X=iris.data,
Y=iris.target.astype(numpy.float64), C=10, gamma = 10, epsilon = 0.01, coef0=0, random_seed=0)
pred = svm.libsvm.predict(iris.data, *model)
pred = pred.astype(numpy.int)
print(pred)
我得到以下结果：
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 2 2 2 1 2 2 2 2
2 2 1 2 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 2 2 2 1 2 2 2 2 1 2 2 2 1 2 2 2 2 2
2 1]
而WEKA可能会生成
[ 0, ..., 0, 1, ... 1, 2, ..., 2]。我想知道为什么使用相同的参数无法获得相同的结果？ 最佳答案
您要使用SVC，而不是SVR，或使用其他SVM classifiers中的一个选项。
您有什么约束迫使您专门使用libsvm？您还可以不使用liblinear吗？但是我不确定这是否重要，因为支持向量分类器是从抽象基类BaseLibSVM继承的，这意味着SVC在默认情况下也将使用libsvm。
您也可以根据需要使用svm.libsvm子软件包。在那里，即使输入数据被视为float64，默认模式为C_SVC，这意味着它将将float目标值视为类标签，而预测将作为类标签。
关于python - 带有虹膜数据集的sklearn C-SVC以获取类，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48772565/