SVM鸢尾花分类实战：源码、报告与避坑指南

简介：这份资源面向机器学习初学者与高校学生，围绕经典Iris鸢尾花数据集完成支持向量机分类实验，适合作为课程作业参考或SVM入门练手项目。压缩包共18个文件，约631KB，包含2个Python源码文件、2份docx实验报告、7张png结果图及xml、license等配置说明文件，源码与报告配套，便于对照理解建模流程。项目基于Python 3.9的IDLE环境，借助sklearn构建SVM分类器，用numpy处理数据，并通过Matplotlib绘制分类结果与ROC曲线，完整呈现从数据加载、特征处理到模型训练与评估的环节。已有970人学习下载，读者可获取可直接运行的脚本、实验报告模板与可视化图表，快速掌握SVM在鸢尾花数据上的应用思路与调参方法。

1. 一份能直接跑通的 SVM 鸢尾花分类作业：源码、报告与踩坑复盘

如果你正在赶机器学习课程的大作业，或者想找一个结构完整、能直接跑通的 SVM 实战案例，这份基于 Iris 鸢尾花数据集的分类项目值得拆开看看。它包含svm_flower.py、flower1.py两个核心脚本、一份 Word 实验报告、若干 ROC 曲线与分类结果截图，以及.idea工程配置。技术栈是 Python 3.9 + sklearn + numpy + matplotlib，走的是最经典的「加载数据 → 划分训练测试集 → 标准化 → 训练 SVM → 评估可视化」流程。适合两类人：一是刚接触 SVM、需要一份可复现模板交作业的学生；二是想快速回顾 sklearn 中 SVM 接口参数、核函数选择与评估指标写法的从业者。下面按「资源是什么 → 怎么用 → 坑在哪」的顺序拆解。

2. 从 Iris 到 SVM 决策边界：数据流与脚本结构拆解

2.1 为什么 Iris 是 SVM 的「标准练兵场」

Iris 数据集一共 150 个样本，3 个类别（setosa、versicolor、virginica），每个样本 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。它之所以成为 SVM 入门的默认选择，原因很实际：样本量小、特征维度低、类别线性可分性中等——setosa 与另外两类完全线性可分，versicolor 和 virginica 之间有少量重叠。这意味着你既能观察到线性核的局限，也能直观看到 RBF 核把决策边界「弯」过去的效果。

从 SVM 的角度看，Iris 提供了一个干净的验证场景：你可以先用线性核跑一遍，看准确率卡在多少；再换 RBF 核，调C和gamma，观察决策边界怎么变。这份作业的脚本正是围绕这个对比逻辑展开的。svm_flower.py大概率是主流程脚本，负责数据加载、模型训练和评估；flower1.py可能是早期版本或单独的可视化脚本。报告里的 ROC 曲线和分类截图，对应的是模型在不同核函数或参数下的表现对比。

注意：Iris 的 150 个样本如果只做一次 train_test_split，测试集只有 30～45 个样本，准确率波动会比较大。常见做法是同时看交叉验证均值，或者固定random_state保证可复现。

2.2 脚本里的标准流水线：六步走

不管svm_flower.py具体怎么写，一个合格的 SVM 分类脚本通常包含以下六步。我按常见实现方式还原核心代码结构，你可以对照自己的脚本逐段检查。

# 1. 导入依赖 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC from sklearn.metrics import classification_report, confusion_matrix, roc_curve, auc # 2. 加载 Iris 数据 iris = datasets.load_iris() X = iris.data # 150 x 4 y = iris.target # 150 个标签，0/1/2 # 3. 划分训练集与测试集 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, random_state=42, stratify=y ) # 4. 标准化：SVM 对特征尺度敏感，这一步不能省 scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test) # 注意：测试集用训练集的均值和方差 # 5. 训练 SVM 模型 model = SVC(kernel='rbf', C=1.0, gamma='scale', probability=True, random_state=42) model.fit(X_train, y_train) # 6. 预测与评估 y_pred = model.predict(X_test) print(confusion_matrix(y_test, y_pred)) print(classification_report(y_test, y_pred))

这段代码里几个关键点值得展开。stratify=y保证训练集和测试集中三个类别的比例一致，避免某一类在测试集里完全缺失。StandardScaler的fit_transform只用在训练集上，测试集必须用同一个 scaler 的transform，否则标准化参数泄露，评估结果会偏乐观。SVC的probability=True会启用概率估计，ROC 曲线需要它，但会稍微增加训练时间。gamma='scale'是 sklearn 的默认值，等于1 / (n_features * X.var())，比手写gamma=0.1更省心。

2.3 核函数与参数：线性核和 RBF 核到底怎么选

Iris 上最常做的对比就是线性核 vs RBF 核。线性核kernel='linear'只有一个主要参数C，适合特征维度高、样本量大的场景；RBF 核kernel='rbf'有C和gamma两个参数，适合非线性边界。在 Iris 上，线性核通常能拿到 95% 左右的准确率，RBF 核调好后能到 97%～100%。

参数含义用一句话说清：C控制对误分类的惩罚力度，C越大越不允许错分，容易过拟合；gamma控制单个样本的影响范围，gamma越大影响范围越小，决策边界越曲折，也越容易过拟合。常见做法是用GridSearchCV在小范围里搜：

from sklearn.model_selection import GridSearchCV param_grid = { 'C': [0.1, 1, 10, 100], 'gamma': [1, 0.1, 0.01, 0.001], 'kernel': ['rbf'] } grid = GridSearchCV(SVC(probability=True), param_grid, cv=5, scoring='accuracy') grid.fit(X_train, y_train) print("最佳参数:", grid.best_params_) print("最佳交叉验证得分:", grid.best_score_)

cv=5表示 5 折交叉验证，scoring='accuracy'是评估指标。如果报告里只写了「调参后准确率提升」，但没写搜索范围和交叉验证方式，复现时就会很被动。建议把param_grid和best_params_都记在报告里。

3. 把源码跑起来：环境配置、执行顺序与结果验证

3.1 环境准备：Python 3.9 + 四个核心库

项目正文写的是 Python 3.9 的 IDLE 环境，但实际跑的时候用 PyCharm、VS Code 或 Jupyter 都行。关键是库的版本要能对上。核心依赖四个：scikit-learn、numpy、matplotlib、scipy（sklearn 的底层依赖）。安装命令如下：

# 建议先建虚拟环境，避免和系统里的包冲突 python -m venv venv # Windows 激活 venv\Scripts\activate # macOS / Linux 激活 source venv/bin/activate # 安装依赖 pip install scikit-learn numpy matplotlib scipy

如果你拿到的压缩包里没有requirements.txt，就按上面四个装。版本方面，sklearn 1.0 以上和 0.24 以上在SVC接口上基本兼容，但gamma='scale'这个默认值是从 0.22 开始有的，更早的版本默认是'auto'。如果你在旧环境里跑，结果对不上，先查 sklearn 版本。

提示：.idea文件夹是 PyCharm 的工程配置，里面可能记录了作者本地的解释器路径。你打开项目后如果提示解释器无效，重新指向自己的 venv 就行，不用管原来的配置。

3.2 执行顺序：先跑哪个脚本，看什么输出

压缩包里有svm_flower.py和flower1.py两个脚本。常见做法是先跑svm_flower.py，因为它大概率是完整流程；flower1.py可能是单独画图或早期实验版本。执行方式：

# 在项目根目录下执行 python svm_flower.py

跑完后你应该看到几类输出：控制台打印的混淆矩阵和分类报告、弹出的 matplotlib 图像窗口（或保存到本地的 png）。报告里提到的ROC.png、1_1.png、2_1.png等图片，就是这些脚本生成的。如果脚本里用的是plt.show()，图片不会自动保存；如果想复现报告里的图，需要把plt.show()改成plt.savefig('roc.png', dpi=300)。

flower1.py可以单独跑一遍，对比输出是否和svm_flower.py一致。如果不一致，看它是用了不同的random_state、不同的test_size，还是只用了两个特征做二维可视化。二维可视化在 SVM 教学里很常见，因为可以把决策边界画在平面上，但只用两个特征会损失信息，准确率通常低于四特征版本。

3.3 结果验证：准确率、混淆矩阵和 ROC 曲线怎么看

跑通之后，重点看三个东西。第一是分类报告里的precision、recall、f1-score。Iris 三分类里，setosa 通常全是 1.00，versicolor 和 virginica 会有少量互错。如果 setosa 的 recall 低于 1.00，大概率是标准化没做对，或者数据划分时没加stratify。

第二是混淆矩阵。一个典型的 RBF 核结果可能是：

versicolor 和 virginica 各错一个，这是 Iris 上很常见的结果。如果错误数量明显多于这个，检查C和gamma是不是设得太极端。

第三是 ROC 曲线。三分类的 ROC 需要做 One-vs-Rest 处理，sklearn的roc_curve默认只支持二分类，所以脚本里大概率用了label_binarize把标签转成三列 0/1，然后对每个类别分别画曲线、算 AUC。报告里的ROC.png应该有三条曲线，AUC 都在 0.98 以上算正常。如果 AUC 明显偏低，先确认probability=True有没有加，再确认预测概率是不是用model.predict_proba(X_test)取的。

4. 避坑与排查：从环境到评估的五个血泪经验

4.1 现象：准确率异常高或异常低，接近 1.0 或低于 0.8

原因通常有两个。一是标准化时把测试集也fit了，导致数据泄露，准确率虚高；二是random_state没固定，每次划分不同，小测试集上波动大。解决方式：训练集用fit_transform，测试集只用transform；固定random_state=42或做 5 折交叉验证看均值。

4.2 现象：ROC 曲线画不出来，报错「multiclass format is not supported」

原因：roc_curve不接受多分类标签。解决：用label_binarize(y, classes=[0,1,2])把标签转成三列二值矩阵，然后对每一列分别调roc_curve。如果脚本里已经写了但报错，检查y_test是不是被label_binarize处理过，以及model.predict_proba的输出列顺序是否和类别顺序一致。

4.3 现象：SVC训练很慢，或者内存占用高

原因：probability=True会内部做 5 折交叉验证来估计概率，样本量大时明显变慢；另外 RBF 核在样本量超过几万时计算开销会急剧上升。Iris 只有 150 个样本，正常不会慢。如果慢，检查是不是误用了kernel='poly'且degree设得很大。解决：Iris 场景下保持probability=True没问题；大数据场景换LinearSVC或SGDClassifier。

4.4 现象：报告里的图和脚本跑出来的图不一致

原因：脚本可能被修改过，或者报告里的图是用旧版本脚本生成的。另外plt.show()和plt.savefig()的顺序也会影响保存的图——如果先show()再savefig()，有些后端会保存空白图。解决：把savefig放在show之前；对比脚本里的random_state、test_size、kernel、C、gamma是否和报告描述一致。

4.5 现象：换台电脑跑，报「ModuleNotFoundError: No module named 'sklearn'」

原因：没激活虚拟环境，或者 pip 装到了系统 Python 而不是当前解释器。解决：先which python（Windows 用where python）确认当前解释器路径，再pip install scikit-learn。如果用的是 PyCharm，检查 File → Settings → Project Interpreter 是否指向 venv。

5. 进阶技巧：用决策边界图和交叉验证把作业做出区分度

5.1 画二维决策边界：让 SVM 的「最大间隔」肉眼可见

报告里如果只有准确率和 ROC，评阅人很难看出你对 SVM 的理解。加一张二维决策边界图，效果会好很多。做法是只取两个特征（比如花瓣长度和花瓣宽度），训练一个 RBF 核 SVM，然后在网格上预测并填充颜色。

# 取两个特征做二维可视化 X_2d = iris.data[:, [2, 3]] # 花瓣长度、花瓣宽度 y_2d = iris.target X_train2, X_test2, y_train2, y_test2 = train_test_split( X_2d, y_2d, test_size=0.3, random_state=42, stratify=y_2d ) scaler2 = StandardScaler() X_train2 = scaler2.fit_transform(X_train2) X_test2 = scaler2.transform(X_test2) model2 = SVC(kernel='rbf', C=1.0, gamma='scale') model2.fit(X_train2, y_train2) # 生成网格 x_min, x_max = X_train2[:, 0].min() - 0.5, X_train2[:, 0].max() + 0.5 y_min, y_max = X_train2[:, 1].min() - 0.5, X_train2[:, 1].max() + 0.5 xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, 0.02)) Z = model2.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) plt.contourf(xx, yy, Z, alpha=0.3, cmap=plt.cm.coolwarm) plt.scatter(X_train2[:, 0], X_train2[:, 1], c=y_train2, edgecolors='k', cmap=plt.cm.coolwarm) plt.xlabel('花瓣长度（标准化后）') plt.ylabel('花瓣宽度（标准化后）') plt.title('RBF 核 SVM 决策边界') plt.savefig('decision_boundary.png', dpi=300) plt.show()

这段代码的关键在np.meshgrid生成网格点，np.c_把两个特征拼成预测矩阵，contourf填充决策区域。alpha=0.3让背景半透明，散点更清楚。把kernel换成'linear'再跑一遍，两张图放一起对比，线性边界和 RBF 边界的差异一目了然。

5.2 交叉验证 + 学习曲线：判断模型是过拟合还是欠拟合

单次train_test_split的评估结果受划分影响大。加一个 5 折交叉验证，报告里写「交叉验证准确率均值 ± 标准差」，比单次准确率更有说服力。再进一步，画学习曲线看训练集和验证集得分随样本量增加的变化。

from sklearn.model_selection import cross_val_score, learning_curve # 5 折交叉验证 scores = cross_val_score(SVC(kernel='rbf', C=1.0, gamma='scale'), scaler.fit_transform(X), y, cv=5, scoring='accuracy') print(f"交叉验证准确率: {scores.mean():.4f} ± {scores.std():.4f}") # 学习曲线 train_sizes, train_scores, val_scores = learning_curve( SVC(kernel='rbf', C=1.0, gamma='scale'), scaler.fit_transform(X), y, cv=5, scoring='accuracy', train_sizes=np.linspace(0.1, 1.0, 10) ) train_mean = train_scores.mean(axis=1) val_mean = val_scores.mean(axis=1) plt.plot(train_sizes, train_mean, 'o-', label='训练集得分') plt.plot(train_sizes, val_mean, 'o-', label='验证集得分') plt.xlabel('训练样本数') plt.ylabel('准确率') plt.legend() plt.savefig('learning_curve.png', dpi=300) plt.show()

如果训练集得分远高于验证集得分，说明过拟合，可以减小C或增大gamma；如果两条线都低且靠得很近，说明欠拟合，可以增大C或换 RBF 核。Iris 只有 150 个样本，学习曲线通常在 90 个样本左右就趋于平稳，验证集得分在 0.95～0.98 之间。

5.3 报告里值得补的两张表

除了图，报告里加两张表能明显提升完整度。一张是不同核函数和参数下的准确率对比：

另一张是分类报告的精简版，只保留 precision、recall、f1-score 三列，按类别分行。这样评阅人不用翻控制台输出就能看到关键结果。

从那以后我每次跑 SVM 实验，都强制先固定random_state、再确认标准化只 fit 训练集、最后补一张交叉验证得分——这三步走完，结果才敢往报告里写。希望帮到你。

本文还有配套的精品资源，点击获取