Day27-机器学习(1) SVM

SVM简单说明
为一种监督学习的方法，其原理是会根据资料的数据，划出一条界线来区分各群
我举个例子说明:
假如我们今天有一个任务，是要区分此生物是否为海洋生物
我们把海平面以下的生物都当作是海洋生物，海平面以上则否
海平面这个界线就是我们SVM的训练结果，此界线就是我们拿来分群的标准

我只是以2维平面的方式来比喻，真正我们在训练时，资料维度都很高，所以无法图像化
反正我们知道其原理就好了

使用方法
这边我使用的资料集为Titanic
前处理我直接跟Day24、25、26的一样，如果想了解可以去看前面的文章

import SVM

from sklearn import svm

自己先设一个变数，此变数为你的model名称，并将svm.LinearSVC()指派给它

训练model

查看训练结果的成绩

使用model预测结果

输出CSV档之後就可以缴上kaggle titanic罗

缴交结果
IT_submission 为DNN的训练结果(前面文章有写)
SVM_submission 为SVM的训练结果(就是本文章的结果)
KNN_submission 为KNN的训练结果 (後面文章会写)
Kmeans_submission 为Kmeans的训练结果(後面文章会写)
此全部都用相同的资料前处理

附上程序码，程序码我有分过目录，你可以直接跳到SVM
https://colab.research.google.com/drive/1sQrInNscPzKSMuekyH1Cwz1dYSB9PSNT?usp=sharing