1 ... 114 115 116 117118119 120 121 ... 375 / 375 頁下一頁

樓主: waek

【申精】花花公子成人频道Playboy TV-Spring Break (春假派对系列全）

[複製鏈接]

rogercheng

頭像被屏蔽

0 主題	1 好友	1萬積分

禁止發言

TA的每日心情

	無聊 2023-8-8 15:52

簽到天數: 901 天

[LV.10]以壇為家III

推廣值: 0
貢獻值: 0
金錢: 908
威望: 19081
主題: 0

發消息

1171^#

發表於 2018-1-21 17:05:44 |只看該作者

尝试下西片吧

回復

使用道具舉報

gu80542

0 主題	0 好友	1711 積分

大學生

Rank: 6 Rank: 6

TA的每日心情

	開心 3 天前

簽到天數: 818 天

[LV.10]以壇為家III

推廣值: 0
貢獻值: 0
金錢: 7000
威望: 1711
主題: 0

發消息

1172^#

發表於 2018-1-21 18:29:35 |只看該作者

偶尔换个口味

回復

使用道具舉報

功夫茶

0 主題	0 好友	3183 積分

大學生

Rank: 6 Rank: 6

該用戶從未簽到

推廣值: 0
貢獻值: 0
金錢: 46
威望: 3183
主題: 0

發消息

1173^#

發表於 2018-1-21 20:56:35 |只看該作者

import numpy as np
import matplotlib.pyplot as plt

import utilities

# Load input data
input_file = 'D:\\1.Modeling material\\Py_Study\\2.code_model\\Python-Machine-Learning-Cookbook\\Python-Machine-Learning-Cookbook-master\\Chapter03\\data_multivar.txt'
X, y = utilities.load_data(input_file)

###############################################
# Separate the data into classes based on 'y'
class_0 = np.array([X[i] for i in range(len(X)) if y[i]==0])
class_1 = np.array([X[i] for i in range(len(X)) if y[i]==1])

# Plot the input data
plt.figure()
plt.scatter(class_0[:,0], class_0[:,1], facecolors='black', edgecolors='black', marker='s')
plt.scatter(class_1[:,0], class_1[:,1], facecolors='None', edgecolors='black', marker='s')
plt.title('Input data')

###############################################
# Train test split and SVM training
from sklearn import cross_validation
from sklearn.svm import SVC

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.25, random_state=5)

#params = {'kernel': 'linear'}
#params = {'kernel': 'poly', 'degree': 3}
params = {'kernel': 'rbf'}
classifier = SVC(**params)
classifier.fit(X_train, y_train)
utilities.plot_classifier(classifier, X_train, y_train, 'Training dataset')

y_test_pred = classifier.predict(X_test)
utilities.plot_classifier(classifier, X_test, y_test, 'Test dataset')

###############################################
# Evaluate classifier performance

from sklearn.metrics import classification_report

target_names = ['Class-' + str(int(i)) for i in set(y)]
print "\n" + "#"*30
print "\nClassifier performance on training dataset\n"
print classification_report(y_train, classifier.predict(X_train), target_names=target_names)
print "#"*30 + "\n"

print "#"*30
print "\nClassification report on test dataset\n"
print classification_report(y_test, y_test_pred, target_names=target_names)
print "#"*30 + "\n"

請大家多給發帖者支持,有您們回應支持,才有動力去發貼!

回復

使用道具舉報