摘要：由于当今社会在科技上的日益进步，很多领域对于数据的关注度也日益增加，这也就使得各领域的科研工作者在不断地提高着他们对数据的敏感性和应用能力。在处于大数据时代的今天，处于互联网中的资源不仅有人们需要的资源，还存在着许多会混淆视听、误导群众的有害资源，而在可用资源中，数据也是随意存放、杂乱无章，这样以来不仅会造成互联网络的信息过载，还会给大众带来一种低效率的感受。所以，对这些杂乱的数据进行系统化的处理以及精确的分类，让其成为有着独特用处的可用信息是科研工作者也在探索的目标。

在论文初期的构思中，计划先学习一下目前在数据分析中一些较常出现的分类算法后，再将侧重点放在SVM上。支持向量机也叫SVM，它是机器学习中的一种以统计学习理论为基础的方法，而且它还在图像、文本分类等较多畛域有着显著的优势和功能。

本项目使用的数据集是由UCI Machine Learning Repository开源网站所提供的自2007年以来的热门数据中最受欢迎的数据集之一：葡萄酒数据集。将数据集进行拆分后，再调用SVM算法进行分析。先提取四列特征进行分析，由此延申改进，再对所有特征进行精确分析，得到准确率、召回率和F值后，再使用PCA算法降维处理，可视化视图输出，证明SVM分类算法有着较好的分类性能。

关键词：分类算法；支持向量机；PCA

目录

摘要

Abstract

第一章 绪论-1

1.1 课题的目的与研究意义-1

1.2 国内外研究现状-1

1.3本文的主要工作-3

1.4论文的组织结构-3

第二章 常用分类算法理论技术与对比研究-4

2.1 常用的分类算法理论技术-4

2.2 SVM算法-6

2.3 本章小结-10

第三章 数据集预处理-12

3.1 数据集介绍-12

3.2 数据集的预处理-13

第四章 SVM分析数据集-15

4.1 相关概念-15

4.2 SVM分类算法分析数据集-17

4.3 SVM分类算法分析数据集的代码优化-24

第五章 总结与展望-27

5.1本文总结-27

5.2展望-27

结束语-28

参考文献-29

致   谢-30