Metadata
State已完成
Star⭐⭐⭐⭐
tags python/库
banner hers/三体智子.jpg
banner_x0.7
banner_y0.4
1. 数据集
学习算法时，我们都希望有一些数据集可以练手。Scikit learn 附带一些非常棒的数据集，如iris数据集、房价数据集、糖尿病数据集等。
这些数据集非常容易获取、同时也易于理解，可以直接在其上实现ML模型。
import sklearn
from sklearn import datasets
import pandas as pd
dataset = datasets.load_iris()
df = pd.DataFrame(dataset.data, columns=dataset.feature_names)
2. 数据拆分
Sklearn 提供了拆分数据集以进行训练和测试的功能。拆分数据集对于预测性能的无偏见评估至关重要，可以定义训练和测试数据集中的数据比例。
我们可以按如下方式拆分数据集：
del_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=2, random_state=4)
3. 线性回归
当输出变量为连续变量且与因变量呈线性关系时，使用监督机器学习模型，它可以通过分析前几个月的销售数据来预测未来几个月的销售。
借助sklearn，我们可以轻松实现线性回归模型，如下所示：首先 LinerRegression()创建一个线性回归的对象，然后我们在训练集上拟合模型。最后，我们在测试数据集上预测了模
型。"rmse"和"r_score"可用于检查模型的准确性。
from sklearn.linear_model import LinearRegression
ics import mean_squared_error, r2_score
regression_model = LinearRegression()
regression_model.fit(x_train, y_train)
y_predicted = regression_model.predict(x_test)
rmse = mean_squared_error(y_test, y_predicted)
r2 = r2_score(y_test, y_predicted)
4. 逻辑回归
逻辑回归也是一种监督回归算法，就像线性回归一样。唯一的区别是输出变量是分类的。它可用于预测患者是否患有心脏病。
借助 sklearn，我们可以轻松实现 Logistic 回归模型，如下所示：混淆矩阵和分类报告用于检查分类模型的准确性。
from sklearn.linear_model import LogisticRegression
ics import confusion_matrix
ics import classification_report
logreg = LogisticRegression()
logreg.fit(x_train, y_train)
y_predicted = logreg.predict(x_test)
confusion_matrix = confusion_matrix(y_test, y_pred)
print(confusion_matrix)
print(classification_report(y_test, y_pred))
5. 决策树
决策树是一个强大的工具，可用于分类和回归问题。它由根和节点组成，根代表分裂的决定，节点代表输出变量值。当因变量与自变量不遵循线性关系时，决策树很有用。
用于分类的决策树实现：我们使用 DecisionTreeClassifier() 对象拟合模型，并使用进一步的代码来可视化 Python 中的决策树实现。
import DecisionTreeClassifier
ics import confusion_matrix
import export_graphviz
als.six import StringIO
from IPython.display import Image
from pydot import graph_from_dot_data
dt = DecisionTreeClassifier()
dt.fit(x_train, y_train)
dot_data = StringIO()
export_graphviz(dt, out_file=dot_data, feature_names=iris.feature_names)
(graph,)= graph_from_dot_data(value())
y_pred = dt.predict(x_test)
6. 随机森林
随机森林是一种 bagging 技术，它使用成百上千的决策树来构建模型，用于分类和回归问题。比如：贷款申请人分类、识别欺诈活动和预测疾病。
在 python 中实现如下：
semble import RandomForestClassifier
num_trees =100
正则化匹配26个字母pythonmax_features =3
clf = RandomForestClassifier(n_estimators=num_trees, max_features=max_features)
clf.fit(x_train,y_train)
y_pred=clf.predict(x_test)
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))
7. XGBoost
XGBoost 是一种提升技术，可提供梯度提升决策树的高性能实现。它可以自行处理丢失的数据，支持正则化并且通常比其他模型给出更准确的结果。
在 python 中实现如下：
from xgboost import XGBClassifier
ics import mean_squared_error
xgb = XGBClassifier(colsample_bytree =0.3, learning_rate =0.1,max_depth =5, alpha =10,
n_estimators =10)
xgb.fit(x_train,y_train)
y_pred=xgb.predict(x_test)
rmse = np.sqrt(mean_squared_error(y_test, preds))
print("RMSE: %f"%(rmse))
8. 支持向量机（SVM）
SVM是一种监督机器学习算法，通过到最好的超平面来进行分类，它通常被用于许多应用程序，例如人脸检测、邮件分类等。
在 python 中实现为：
from sklearn import svm
from sklearn import metrics
clf = svm.SVC(kernel='linear')
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))
9. K-均值聚类
K-Means 聚类是一种用于解决分类问题的无监督机器学习算法。无监督算法是数据集中没有标签或输出变量的算法。
在聚类中，数据集根据特征分成不同的组，称为集。k-means 聚类有很多应用，例如市场分割、文档聚类、图像分割。
它可以在python中实现为：
from sklearn.cluster import KMeans
import statsmodels.api as sm
kmeans = KMeans(3)
means.fit(x)
identified_clusters = kmeans.fit_predict(x)
10. DBSCAN 聚类
DBSCAN 也是一种无监督聚类算法，它根据数据点之间的相似性进行聚类。在 DBSCAN 中，只有当指
定半径的簇中的点数最少时，才会形成簇。
DBSCAN 的优势在于它对异常值具有鲁棒性，即它可以自行处理异常值，这与 k 均值聚类不同。DBSCAN 算法用于创建热图、地理空间分析、温度数据中的异常检测。
它可以实现为：
from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.preprocessing import StandardScaler
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples__sample_indices_]=True
labels = db.labels_
n_clusters_ =len(set(labels))-(1if-1in labels else0)
print(labels)
11. 标准化和规范化
标准化是一种缩放技术，我们将属性的均值设为 0，将标准差设为 1，从而使值以具有单位标准差的均值为中心。它可以做为 X'= (X-μ)/σ
规范化是一种使值的范围从 0 到 1 的技术，它也称为最小-最大缩放。规范化可以通过给定的公式 X= (X -Xmin)/(Xmax-Xmin) 来完成。
12. 混淆矩阵
混淆矩阵是用于描述分类模型性能的表格。混淆矩阵以如下4项的帮助下进行分析：真阳性（TF）：这意味着模型预测为正，实际上为正。
真阴性（TN）：这意味着模型预测为负，实际上为负。
假阳率（FP）：这意味着模型预测为正，但实际上为负。
假阴性（FN）：这意味着模型预测为负，但实际上为正。
Python 可以实现：
ics import confusion_matrix
confusion_matrix = confusion_matrix(y_test, y_pred)
print(confusion_matrix)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。