以下是一段详细的Python代码，用于构建并训练基于径向基核函数 (RBF) 的支持向量机 (SVM) 软间隔分类器，同时包含特征提取管道的构建操作。代码使用了`scikit-learn`库，其主要步骤包括加载数据集、数据预处理、特征提取、模型构建、模型训练和评估。 ```python from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.svm import SVC from sklearn.pipeline import make_pipeline from sklearn.metrics import classification_report # 加载数据集，这里以乳腺癌数据集为例 data = load_breast_cancer() X = data.data y = data.target # 将数据集划分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 构建特征提取和模型训练的管道 # 首先进行数据标准化，使用StandardScaler将特征数据缩放到均值为0，标准差为1 # 然后使用PCA进行特征提取，这里选择保留95%的方差 # 最后使用SVC作为分类器，使用RBF核函数，C=1.0作为正则化参数，gamma='scale'作为核函数系数 pipeline = make_pipeline( StandardScaler(), PCA(n_components=0.95), SVC(kernel='rbf', C=1.0, gamma='scale') ) # 训练模型 pipeline.fit(X_train, y_train) # 在测试集上进行预测 y_pred = pipeline.predict(X_test) # 输出分类报告，显示每个类别的精确度、召回率和F1分数 print(classification_report(y_test, y_pred)) ``` ### 代码解释： 1. **数据加载**：使用`load_breast_cancer`函数从`scikit-learn`库中加载乳腺癌数据集，将特征数据存储在`X`中，标签数据存储在`y`中 [^3]。 2. **数据划分**：使用`train_test_split`函数将数据集划分为训练集和测试集，测试集占比为20% [^3]。 3. **管道构建**：使用`make_pipeline`函数构建一个管道，包含数据标准化、特征提取和模型训练三个步骤。 - `StandardScaler`：对特征数据进行标准化处理，使得每个特征的均值为0，标准差为1，有助于提高模型的训练效果。 - `PCA`：进行主成分分析，提取数据的主要特征，保留95%的方差，减少数据的维度 [^3]。 - `SVC`：使用支持向量分类器，核函数选择RBF，正则化参数`C`设置为1.0，核函数系数`gamma`设置为`scale` [^2][^4]。 4. **模型训练**：使用`fit`方法在训练集上训练模型 [^2]。 5. **模型预测**：使用`predict`方法在测试集上进行预测。 6. **模型评估**：使用`classification_report`函数输出分类报告，显示每个类别的精确度、召回率和F1分数 [^3]。