1.使用支持向量机
------>使用SMO分类器，使用默认的十折交叉验证测试选项，开始启动分类模型构建并评估
使用指数为1的PolyKernel（多项式核），使得模型成为线性支持向量机
指数为2的结果（非线性）
------>下面我们查看两次实验的混淆矩阵
指数为1
指数为2
------>由上两图可知，尽管错分的实例不同，但两者错分的实例数都是6
2.使用元学习器
---->加载数据，选择DecisionStump分类器，这是一个称为决策树桩的简单分类器。
----->启动训练和评估，得到的分类正确率为66.66667%
----->接下来，选择AdaboosM1分类器，这是一个使用提升算法的集成学习器
---->由于图中的numIterations参数默认为10，也就是训练会迭代提升DecisionStump分类器10次，算法DecisionStump本来就原始，但经过10次提升迭代后，性能提高很大。
----->在150个iris数据中，只有7个错分的实例，分类正确率高达95.3333%
转载请注明原文地址: https://ju.6miu.com/read-35190.html
