在本文中，我们将通过使用 Python 的 Sklearn（又名 Scikit Learn）库来实现 SVM（支持向量机）算法的教程。上一篇已经讲过了SVM的基本案例实践，本篇我们实战心脏病数据集的分类。
-
- 一、数据集介绍
- 二、案例实现
-
- 2.1 导入库
- 2.2 加载数据
- 2.3 数据可视化，相关性分析
- 2.4 数据预处理
- 2.5 将数据集拆分为训练集和测试集
- 2.6 创建和训练 SVM 分类器
- 2.7 训练精确度
- 2.8 测试模型的准确性
- 2.9 绘制混淆矩阵
该数据集始于 1988 年，由四个数据库组成：克利夫兰、匈牙利、瑞士和长滩 V。它包含 76 个属性，包括预测属性，但所有已发表的实验均指使用其中 14 个的子集。“target”字段是指患者是否存在心脏病。它是整数值，0 = 无病，1 = 有病。
数据如下：
