24.11.6

实验四：SMO 算法实现与测试
一、实验目的
深入理解支持向量机（SVM）的算法原理，能够使用 Python 语言实现支持向量机的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。
二、实验内容
（1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（注意同分布取样）；
（2）使用训练集训练支持向量机—SMO 分类算法；
（3）使用五折交叉验证对模型性能（准确度、精度、召回率和 F1 值）进行评估和选择；
（4）使用测试集，测试模型的性能，对测试结果进行分析，完成实验报告中实验四的部分。
三、算法步骤、代码、及结果

1. 算法伪代码
   加载 Iris 数据集
   使用 train_test_split 将数据划分为训练集和测试集，并保证类别分布一致
   初始化支持向量机（SVM）分类器，设置核函数为 RBF，正则化参数 C = 1.0
   使用训练集对 SVM 模型进行训练
   定义评估指标：准确度、加权精度、加权召回率、加权 F1 分数
   使用五折交叉验证评估模型的性能，并输出每个指标的得分和平均值
   使用测试集对训练好的模型进行预测，并生成分类报告
2. 算法主要代码
   完整源代码\调用库方法（函数参数说明）

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_score

加载 Iris 数据集

iris = load_iris()
X = iris.data
y = iris.target

留出 1/3 数据作为测试集（stratify 保证分布一致）

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3, random_state=42, stratify=y)

train_test_split主要参数：

sklearn.model_selection.train_test_split(*arrays, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)

arrays：待划分的特征矩阵 X 和标签向量 y

test_size：测试集比例，默认为 None

取值范围：(0, 1) 表示比例；整数表示测试集样本数；若为 None，则自动计算

train_size：训练集比例，默认为 None。若 test_size 和 train_size 均为 None，则默认 test_size=0.25

random_state：随机种子，整型值使得结果可复现

shuffle：布尔值，是否在划分前打乱数据，默认为 True

stratify：按特定分布划分数据。通常为标签 y，保证训练集和测试集中类别分布一致

print(f"训练集样本数: {len(X_train)}, 测试集样本数: {len(X_test)}")

使用 SVM 训练模型

svm_classifier = SVC(kernel='rbf', C=1.0, random_state=42)
svm_classifier.fit(X_train, y_train)

SVC主要参数：

SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=1e-3, cache_size=200, ...)

C：正则化参数，用于平衡误差与分类超平面复杂度。默认值：1.0。

kernel：核函数类型。默认值：'rbf'（高斯核）。

其他值：'linear'（线性核），'poly'（多项式核），'sigmoid'。

degree：多项式核函数的次数，仅在 kernel='poly' 时有效。 默认值：3。

gamma：核函数系数，仅在 rbf、poly 和 sigmoid 核时有效。 默认值：'scale'。

random_state：整数值，用于控制随机数生成。默认值：None。

tol：停止准则，默认为 1e-3。

print("支持向量机模型已训练完成。")

五折交叉验证评估

scoring_metrics = ['accuracy', 'precision_weighted', 'recall_weighted', 'f1_weighted']

for metric in scoring_metrics:
scores = cross_val_score(svm_classifier, X_train, y_train, cv=5, scoring=metric)
print(f"{metric.capitalize()} 的五折交叉验证得分: {scores}")
print(f"{metric.capitalize()} 的平均值: {scores.mean():.4f}")

cross_validate主要参数：

sklearn.model_selection.cross_validate(estimator, X, y=None, *, scoring=None, cv=None, n_jobs=None, verbose=0, fit_params=None, return_train_score=False, return_estimator=False, error_score=nan)

estimator：用于训练的模型，如 LogisticRegression()

X：特征矩阵

y：标签向量

scoring：评估指标，默认为 None，即使用模型默认评分标准

可选单个指标（如 'accuracy'）或列表（如 ['accuracy', 'precision_macro']）

cv：交叉验证折数，默认值 5

n_jobs：并行计算的线程数，默认为 None

-1 表示使用所有可用CPU

return_train_score：是否返回训练集分数，默认为 False

使用测试集进行预测

y_pred = svm_classifier.predict(X_test)

生成分类报告

report = classification_report(y_test, y_pred, target_names=iris.target_names)
print("测试集分类性能:\n", report)

classification_report主要参数：

sklearn.metrics.classification_report(y_true, y_pred, *, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False, zero_division='warn')

y_true：真实标签

y_pred：预测标签

target_names：类别标签的名称

digits：结果小数位数，默认为 2

output_dict：是否以字典形式返回，默认为 False

3. 训练结果截图（包括：准确率、精度（查准率）、召回率（查全率）、F1）

四、心得体会
通过本次实验，我深入理解了支持向量机（SVM）的算法原理，掌握了其在分类问题中的核心思想，包括超平面的构建、间隔最大化以及核函数的应用。在实践中，我使用Python实现了SVM的训练与测试，并结合五折交叉验证算法对模型进行了训练与评估。这次实验让我更加熟悉SVM在处理线性可分和非线性问题中的优势，同时加深了我对模型泛化能力和参数调优的理解。