课后作业答案：支持向量机(Support Vector Machine)

作者：欧新宇（Xinyu OU）

本文档所展示的测试结果，均运行于：Intel Core i7-7700K CPU 4.2GHz

【作业提交】

将分类结果保存到文本文档进行提交(写上每一题的题号和题目，然后再贴答案)，同时提交源代码。

1. 测试结果命名为: ex07-结果-你的学号-你的姓名.txt
2. 输出图片命名为: ex07-性能对比图-你的学号-你的姓名.png (.jpg)
3. 源代码命名为: ex07-01-你的学号-你的姓名.py, ex07-02-你的学号-你的姓名.py

*结果文件，要求每小题标注题号，两题之间要求空一行*

---

要求在 “鸢尾花” 数据集上完成以下任务，要求如下：

1. 要求训练集和测试集的分割比例为60% : 40%
2. 分别使用LinearSVC, linear核、RBF核、sigmoid核、多项式核的支持向量机完成准确率的测试，要求同时输出训练集和测试集的准确率评分结果。（ex07-01）
3. 使用RBF核的SVM模型在不同Gamma值下进行建模，并输出性能对比图，同时输出训练集和测试集。（ex07-02, ex07-性能对比图）
   • Gamma取值范围：$array([ 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0])$
   • 尽量使用 np.linspace() 函数实现数列的生成

数据集载入方法

from sklearn import datasets
iris = datasets.load_iris()

---