上机实验四：SMO 算法实现与测试

上机实验四：SMO 算法实现与测试 1、实验目的 深入理解支持向量机（SVM）的算法原理，能够使用 Python 语言实现支持向量机的训 练与测试，并且使用五折交叉验证算法进行模型训练与评估。 2、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（注 意同分布取样）； （2）使用训练集训练支持向量机—SMO 分类算法； （3）使用五折交叉验证对模型性能（准确度、精度、召回率和 F1 值）进行评估和选 择； （4）使用测试集，测试模型的性能，对测试结果进行分析，完成实验报告中实验四的 部分。 3、操作要点 （1）可以选择自行编写源代码完成支持向量机--SMO 算法，或者调用 scikit-learn 库中 的 svm 函数； （2）如果调用 scikit-learn 库中的函数，需要说明函数各个参数的意义、取值、默认值 等，即自行编写代码只需要粘贴完整的源代码即可，调用函数包括粘贴源代码和函数参数说 明两部分； （3）一周内在超星作业提交源代码，打包命名；学号姓名-任务 4； （4）按要求撰写实验报告，实验报告在所有上机实验结束后提交。 4、主要仪器设备 微机及 Python 软件。