python机器学习入门-(1)
2024-09-04 21:34:56
机器学习入门项目
如果你和我一样是一个机器学习小白,这里我将会带你进行一个简单项目带你入门机器学习。开始吧!
1.项目介绍
这个项目是针对鸢尾花进行分类,数据集是含鸢尾花的三个亚属的分类信息,通过机器学习来省成一个模型,实现自动分类。这个项目属于多分类问题,监督学习。
有以下步骤:
(1)导入数据
(2)概述数据
(3)数据可视化
(4)评估算法
(5)实施预测
2.导入数据
2.1 导入类库
代码如下:
# 导入类库
from pandas import read_csv
from pandas.plotting import scatter_matrix
from matplotlib import pyplot
from sklearn.model_selection import train_test_split
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC
这里我们如果导入失败,你最好检查以下是否没有安装某些库。
2.2 导入数据
我们可以在UCI机器学习仓库下载鸢尾花数据集,自己可以百度搜索下。下载后保存到我们的工作目录下,然后用Pandas导入csv数据和对数据进行统计分析,并且用Matplotlib进行数据可视化。在导入数据时候,我们对每个数据设定了名称,这个对我们后面的展示工作又帮助。代码如下:
# 导入数据
filename = 'iris.data.csv'
names = ['separ-length', 'separ-width', 'petal-length', 'petal-width', 'class']
dataset = read_csv(filename, names=names)
2.3 概述数据
我们做四个事情
(1)查看数据维度
(2)查看数据自身
(3)统计所有数据特征
(4)数据分类的分布情况
以下是相关代码:
#显示数据维度
print('数据维度: 行 %s,列 %s' % dataset.shape)
# 查看数据的前10行
print(dataset.head(10))
# 统计描述数据信息
print(dataset.describe())
# 分类分布情况
print(dataset.groupby('class').size())
2.4 数据可视化
这个是我最喜欢的环节,想想那么多无聊的数据,可以变成有规律的图片就很激动
代码如下:
# 箱线图
dataset.plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False)
pyplot.show()
# 直方图
dataset.hist()
pyplot.show()
# 散点矩阵图
scatter_matrix(dataset)
pyplot.show()
结果如下:
2.5 评估算法
通过不同的算法来加你模型,并且评估它们的准确度,为了找到最合适的算法。以下几个步骤:
(1)分离出评估数据集
(2)采用10折交叉验证模型
(3)生成6个不同模型来预测新数据
(4)选择最优模型
代码如下:
# 分离数据集
array = dataset.values
X = array[:, 0:4]
Y = array[:, 4]
validation_size = 0.2
seed = 7
X_train, X_validation, Y_train, Y_validation = \
train_test_split(X, Y, test_size=validation_size, random_state=seed)
# 算法审查
models = {}
models['LR'] = LogisticRegression()
models['LDA'] = LinearDiscriminantAnalysis()
models['KNN'] = KNeighborsClassifier()
models['CART'] = DecisionTreeClassifier()
models['NB'] = GaussianNB()
models['SVM'] = SVC()
# 评估算法
results = []
for key in models:
kfold = KFold(n_splits=10, random_state=seed)
cv_results = cross_val_score(models[key], X_train, Y_train, cv=kfold, scoring='accuracy')
results.append(cv_results)
print('%s: %f (%f)' %(key, cv_results.mean(), cv_results.std()))
# 箱线图比较算法
fig = pyplot.figure()
fig.suptitle('Algorithm Comparison')
ax = fig.add_subplot(111)
pyplot.boxplot(results)
ax.set_xticklabels(models.keys())
pyplot.show()
2.6 实施预测
评估结果显示,支持向量机是准确度最高的算法。现在使用预留的评估数据集来验证这个算法模型。将对生成算法的准确的又直观的认识。
使用全部训练集的数据生成支持向量机的算法模型,并且用预留的评估数据集给出一个算法模型的报告。代码如下:
#使用评估数据集评估算法
svm = SVC()
svm.fit(X=X_train, y=Y_train)
predictions = svm.predict(X_validation)
print(accuracy_score(Y_validation, predictions))
print(confusion_matrix(Y_validation, predictions))
print(classification_report(Y_validation, predictions))
执行程序后,得到准确度是0.8666666666666667
还有一个结果分析报告如下:
最新文章
- Java_动态编译总结
- 附录1· 初识Linux操作系统
- 孙鑫MFC学习笔记14:网络编程
- linux中预留的$变量
- 读《深入php面向对象、模式与实践》有感(二)
- Head First 设计模式 --3 装饰者模式 开闭原则
- Leetcode 58 Length of Last Word 难度:0
- Oracle中新增表代码
- ### OpenCV安装(Linux)
- FORM Save : ORA-01403 FRM-40735 ORA-06502
- MVC Controller 与 View 传值
- CodeForces 747D Winter Is Coming
- 函数指针|指针函数|C文件操作
- 关于MySQL数据库的一些操作
- R formulas in Spark and un-nesting data in SparklyR: Nice and handy!
- centos 7 部署Thinksns
- intelj idea中JRebel激活
- 五、Python-字典与集合
- bzoj 3673 可持久化并查集 by zky
- springmvc的异步处理
热门文章
- Building Applications with Force.com and VisualForce (DEV401) (二三):Visualforce Componets (Tags) Library Part III
- C++实现秒表
- 《闲扯Redis三》Redis五种数据类型之List型
- Go相关面试题目总结(日常更新)
- CocoaPods 安装卸载
- 数据分析_numpy_基础1
- 模块 shutil_zipfile_tarfile压缩解压
- 硬不硬你说了算!35 张图解被问千百遍的 TCP 三次握手和四次挥手面试题
- HDU-1421-搬寝室(01背包改编版)
- Vertica的这些事(十三)——Vertica备份元数据信息