我有两个数据集,trainig 和 test。他们有标签“1”和“0”。我需要在 scikit 学习中使用带有“rbf”内核的“oneClassSVM”算法来评估这些数据集。我加载了训练数据集,但我不知道如何用测试数据集对其进行评估。下面是我的代码,
from sklearn import svm
import numpy as np
input_file_data = "/home/anuradha/TrainData.csv"
dataset = np.loadtxt(input_file_iris, delimiter=",")
X = dataset[:,0:4]
y = dataset[:,4]
estimator= svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
请有人能帮我解决这个问题?
最佳答案
只需在脚本末尾添加以下两行代码即可:
estimator.fit(X_train)
y_pred_test = estimator.predict(X_test)
第一行告诉 svn 使用哪些训练数据,第二行对测试集进行预测(确保加载两个数据集并相应地更改变量名称)。
关于python - OneClassSVM scikit 学习,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38931023/