跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
其他技能

svm

支持向量机(SVM)分类预测 —— 基于 sklearn 实现,智能判断是否需要高斯核,支持二分类与多分类。 当用户提到"SVM"、"支持向量机"、"svm"、"Support Vector Machine"、 "帮我用SVM分类"、"SVM预测"、"用支持向量机"、"高斯核"、"核函数分类"、 "最大间隔分类器"、"支持向量"等类似场景时触发。 适用于任何"给一堆 x,y 分类标签,想用 SVM 预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。

muralidharsoth-tech · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill svm

技能说明


name: svm description: | 支持向量机(SVM)分类预测 —— 基于 sklearn 实现,智能判断是否需要高斯核,支持二分类与多分类。 当用户提到"SVM"、"支持向量机"、"svm"、"Support Vector Machine"、 "帮我用SVM分类"、"SVM预测"、"用支持向量机"、"高斯核"、"核函数分类"、 "最大间隔分类器"、"支持向量"等类似场景时触发。 适用于任何"给一堆 x,y 分类标签,想用 SVM 预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。

支持向量机(SVM)分类预测

概述

此技能基于 sklearn 实现 SVM 分类器,核心特点:

特性说明
🔍 自动核函数判断先训练线性核探针 → 准确率低则建议升级高斯核
⚙️ 智能参数推荐根据数据特征自动推荐 C 和 gamma,每次推荐都征求确认
📊 支持向量可视化在决策边界图中高亮标注支持向量,直观展示"谁在决定边界"
🎯 二分类 + 多分类sklearn SVC 自动 One-vs-One 处理多分类

核心决策逻辑

用户提供数据
    │
    ▼
Step 3: 训练线性核探针 → 看准确率
    │
    ├── 准确率 ≥ 阈值(默认 85%)
    │   └── 推荐线性核 → 跳过 gamma 选择
    │
    └── 准确率 < 阈值
        └── 建议高斯核(RBF) → 进入 gamma 推荐
              │
              ▼
        Step 4: 推荐 C 值 → 询问确认
        Step 5: 推荐 gamma → 询问确认
              │
              ▼
        Step 7: 读取 references/gaussian-kernel-svm.md 生成代码

交互流程

严格按以下 9 步执行,不要跳过任何一步。


Step 1:收集数据

向用户提问:

📊 请提供你的训练数据

  1. 特征(X):每个样本有几个特征?每个特征叫什么名字、有什么单位?
    • 例如:"2 个特征——保温厚度(cm) 和 窗墙比(无单位)"
  2. 标签(y):要分几类?每类叫什么名字?
    • 例如:"2 类——节能 和 不节能"
  3. 数据:请把你的训练样本贴过来(任意格式,我来解析)
    • 例如:
      保温厚度 3, 窗墙比 0.20 → 不节能
      保温厚度 8, 窗墙比 0.40 → 节能
      ...
      
  4. 预测主题:给这个任务起个英文标题(用于图表显示)

从用户回复中提取并确认以下变量:

变量含义示例
n_features特征数量2
x_names特征名列表["保温厚度", "窗墙比"]
x_units特征单位列表["cm", ""]
X_raw特征矩阵(list of lists)[[3, 0.20], [8, 0.40], ...]
y_raw原始标签列表["不节能", "节能", "不节能", ...]
title_topic英文预测主题"Building Energy Efficiency"

字符串标签自动编码: 检测到字符串标签时,自动编码为 0, 1, 2... 并打印映射表确认:

检测到标签 {原始值},已自动编码为:

  • 0 → {类别0名称}
  • 1 → {类别1名称}

是否正确?(直接回复"可以"确认)

数据校验(发现问题时立即警告):

  • 最少 n_features + 2 条样本 → 不满足则拒绝继续
  • 二分类每类至少 2 个样本 → 不满足则拒绝继续
  • m < 5 × n_features → ⚠️ 提醒数据偏少,SVM 可能过拟合
  • n_features / m > 3 → 标记 p_gt_n = True,这是 SVM 优势场景

Step 2:判断分类类型

K = len(set(y_raw))

检测到 y 有 {K} 个类别({类别列表}),这是**{二分类 / 多分类}**问题。

  • K = 2 → is_binary = True
  • K > 2 → is_binary = False,告知用户:

    SVM 将使用 sklearn SVC 的 One-vs-One 策略,共训练 {K×(K-1)/2} 个二分类器。


Step 3:核函数判断(线性优先策略)

这是本技能的核心差异化步骤。生成一个轻量探针脚本并运行,根据实际训练结果做判断。

3.1 确定自适应阈值

根据数据情况选择判断阈值:

场景阈值原因
默认85%通用标准
用户明确要求高准确率90%严格标准
多分类 K > 570%多类天然更难
数据量 m < 2085%小数据该阈值防止过早换核
p >> n(特征数/样本数 > 3)80%SVM 经典优势场景,线性核通常够用

3.2 生成探针脚本

生成 svm_probe_{YYYYMMDD}_{HHMMSS}.py,内容精简(只含数据加载 + 标准化 + 线性 SVC 训练 + 输出准确率):

import numpy as np
from sklearn.svm import SVC

# 数据
X_raw = np.array({X_DATA})
y = np.array({Y_DATA}).ravel()

# z-score 标准化
X_mean = X_raw.mean(axis=0, keepdims=True)
X_std = X_raw.std(axis=0, keepdims=True)
X = (X_raw - X_mean) / X_std

# 线性核 SVC
svm_linear = SVC(kernel='linear', C=1.0, random_state=42)
svm_linear.fit(X, y)
train_acc = svm_linear.score(X, y)

print(f"ACCURACY: {train_acc:.4f}")
print(f"ACC_PCT: {train_acc*100:.1f}%")
print(f"N_SV: {len(svm_linear.support_vectors_)}")
print(f"N_SAMPLE: {len(y)}")

3.3 运行探针并解读

运行 python svm_probe_{timestamp}.py,解析输出获取 train_acc。

3.4 决策逻辑

train_acc ≥ 阈值?
├── 是 → 推荐线性核,use_gaussian = False
├── 阈值×0.8 ≤ train_acc < 阈值 → 建议高斯核,让用户决定
├── train_acc < 阈值×0.8 → 强烈建议高斯核,默认 use_gaussian = True
└── train_acc < 50% → ⚠️ 警告数据质量,但仍建议高斯核试试

3.5 告知用户结果

线性够用时:

🔍 线性可分性检测结果

  • 线性核训练准确率:{acc_pct}%
  • 判断:数据大致线性可分 ✅
  • 建议:使用线性核(简单、快速、可解释、过拟合风险低)

是否使用线性核继续?(直接回复"可以",或回复"换高斯核"尝试更复杂的非线性边界)

线性不够用时:

🔍 线性可分性检测结果

  • 线性核训练准确率:{acc_pct}%(低于 {threshold}% 阈值)
  • 判断:数据可能非线性可分 🔄
  • 建议:升级到高斯核(RBF)——通过核函数将数据映射到高维空间,构建弯曲的决策边界

是否使用高斯核?(直接回复"可以"确认,或回复"用线性核"保持线性)


Step 4:推荐 C 值

C 控制"分类准确"和"边界宽度"的平衡:

  • C 大 → 惩罚大 → 边界窄 → 尽力分对每个样本 → 过拟合风险
  • C 小 → 惩罚小 → 边界宽 → 容忍误分类 → 欠拟合风险

C 值推荐查表(从上到下匹配,命中即停):

场景条件推荐 C原因
高维小样本线性核 + p>>n0.5高维需加强正则化防过拟合
小样本m < 305.0数据少时需强拟合
数据充裕m ≥ 200 + 高斯核0.5数据多时保守正则化
高度非线性线性探针准确率 < 60%10.0数据复杂,需要更强拟合
用户提到噪声用户描述数据含噪0.1宽边界容忍噪声
默认(线性核)以上都不匹配 + 线性核1.0sklearn 默认,通用性好
默认(高斯核)以上都不匹配 + 高斯核1.0通用起点

⚙️ C 参数推荐

当前场景:{场景描述} 建议 C = {recommended_C}

  • C = {recommended_C}:{一行解释}
  • C 更大(如 {C×10}):边界更窄,更贴合训练数据(可能过拟合)
  • C 更小(如 {C÷10}):边界更宽,允许一些误分类(可能欠拟合)

是否需要调整?(直接回复"可以"使用建议值,或输入新值如 C=5)


Step 5:(条件)推荐 gamma 值

仅在 use_gaussian = True 时执行此步骤,否则直接跳到 Step 6。

gamma 控制高斯核的"影响范围":

  • gamma 大(σ 小)→ 钟形曲线窄 → 每个样本影响范围小 → 边界扭曲 → 过拟合风险
  • gamma 小(σ 大)→ 钟形曲线宽 → 每个样本影响范围大 → 边界平滑 → 欠拟合风险

gamma 推荐查表:

场景条件推荐 gamma原因
默认通用'scale'sklearn 默认,= 1/(n×Var(X)),自适应
小样本m < 30'scale'默认即可,注意观察过拟合
高维n > 10'scale'高维下默认值通常最优
极度非线性线性探针准确率 < 50%'scale'先试默认值,效果差再调整

🎯 Gamma(核宽度)参数推荐

建议 gamma = 'scale'(sklearn 默认)

'scale' = 1 / ({n_features} × 特征方差),会根据你的数据自动调整。

  • gamma 越小 → 边界越平滑(可能欠拟合)
  • gamma 越大 → 边界越弯曲(可能过拟合)
  • 'scale' 在大多数情况下是最佳默认选择

是否需要调整?(直接回复"可以"使用 'scale',或输入数值如 gamma=0.5)

记录: gamma_value = 'scale' 或用户指定的数值(作为字符串,如 '0.5')


Step 6:确认预测目标

🔮 你要预测什么?

请提供新样本的特征值:

  • {x1_name} = ?
  • {x2_name} = ?
  • ...

提取 predict_x 列表。


Step 7:生成代码

模板选择决策树

use_gaussian(Step 3 确定)?
│
├── 否(线性核)→ 使用本文件的代码模板
│   ├── n_features ≥ 2 → 「模板 A:线性核(2+ 特征)」
│   └── n_features = 1 → 「模板 B:线性核(1 特征)」
│
└── 是(高斯核)→ 读取 references/gaussian-kernel-svm.md 的代码模板
    (该模板自动适配二分类/多分类、1 特征/2+ 特征)

占位符替换

无论使用哪个模板,统一进行以下占位符替换:

占位符来源说明
{X_DATA}Step 1np.array 格式,如 [[3, 0.20], [8, 0.40]]
{Y_DATA}Step 1np.
阅读完整来源 ↗