机器学习 | 【02】sklearn鸢尾花案例

谁践踏了优雅 2022-10-15 06:52 204阅读 0赞

### 文章目录 ###

*   *   *   *  一、介绍
             *  二、流程
             *  三、代码演示
             *   *  1、获取数据
                 *  2、基本数据处理
                 *  3、特征工程
                 *  4、模型评估
             *  四、完整代码

#### 一、介绍 ####

> 本次数据来源于sklearn中的`load_iris`，是一个较为简单的模型训练。适合刚入门的小伙伴练练手。了解一下整体流程。

#### 二、流程 ####

- 获取数据
    - 基本数据处理
    - 特征工程
    - 模型评估

#### 三、代码演示 ####

##### 1、获取数据 #####

> 我们使用`sklearn,datasets`可获取到许多该模块中自带的数据集，可以用来练习。本次选用`load_iris`。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]

##### 2、基本数据处理 #####

>  *  我们将数据分为训练集和测试集。
>  *  根据源码中的注释以及案例我们可知：其中包含的参数
>     
>      *  `*arrays`：接收data以及target；
>      *  `test_size=None`：指定测试集的大小；
>      *  `train_size=None`：指定训练集的大小；
>      *  `random_state=None`：随机种子，种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。；
>      *  `shuffle=True`：是否将数据打乱；
>      *  `stratify=None`：是否按分层方式分割数据；

>>> import numpy as np
        >>> from sklearn.model_selection import train_test_split
        >>> X, y = np.arange(10).reshape((5, 2)), range(5)
        >>> X
        array([[0, 1],
               [2, 3],
               [4, 5],
               [6, 7],
               [8, 9]])
        >>> list(y)
        [0, 1, 2, 3, 4]
    
        >>> X_train, X_test, y_train, y_test = train_test_split(
        ...     X, y, test_size=0.33, random_state=42)
        ...
        >>> X_train
        array([[4, 5],
               [0, 1],
               [6, 7]])
        >>> y_train
        [2, 0, 3]
        >>> X_test
        array([[2, 3],
               [8, 9]])
        >>> y_test
        [1, 4]
    
        >>> train_test_split(y, shuffle=False)
        [[0, 1, 2], [3, 4]]

##### 3、特征工程 #####

> 使用`sklearn`中的标准差标准化。
> 
>  *  通过去除平均值和缩放到单位方差来标准化特征【Z = (x - u) / s】
>  *  其中`x`为传入的值，`u`为训练样本的平均值， `s`为训练样本的标准差。

transfer = StandardScaler()
    X_train = transfer.fit_transform(X_train)
    X_test = transfer.fit_transform(X_test)

> 例：

>>> from sklearn.preprocessing import StandardScaler
        >>> data = [[0, 0], [0, 0], [1, 1], [1, 1]]
        >>> scaler = StandardScaler()
        >>> print(scaler.fit(data))
        StandardScaler()
        >>> print(scaler.mean_)
        [0.5 0.5]
        >>> print(scaler.transform(data))
        [[-1. -1.]
         [-1. -1.]
         [ 1.  1.]
         [ 1.  1.]]
        >>> print(scaler.transform([[2, 2]]))
        [[3. 3.]]

##### 4、模型评估 #####

estimator = KNeighborsClassifier(n_neighbors=5)
        """ fit() X : {array-like, sparse matrix} of shape (n_samples, n_features) or \ (n_samples, n_samples) if metric='precomputed' Training data. y : {array-like, sparse matrix} of shape (n_samples,) or \ (n_samples, n_outputs) Target values. """
        estimator.fit(X_train, y_train)
    	
    	# 获取预测值
        y_pre = estimator.predict(X_test)
    
        # 传入的X_test会再次经过预测，不需要直接传入预测值
        ret = estimator.score(X_test, y_test)

#### 四、完整代码 ####

# -*- coding: utf-8 -*-
    """ @Time : 2021/5/23 17:06 @Author : XXX @Site : @File : irisExample.py @Software: PyCharm """
    from sklearn.datasets import load_iris
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.neighbors import KNeighborsClassifier
    import random
    
    TEST_SIZE = [(random.randint(20, 26)/100, random.randint(18, 26)) for i in range(200)]
    
    # 获取数据集
    iris = load_iris()
    x = iris['data']
    y = iris['target']
    max_ = 0
    test_size_ = ''
    random_state_ = ''
    
    for test_size, random_state in TEST_SIZE:
        X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=test_size, random_state=random_state, shuffle=True)
    
        # 特征工程：通过去除平均值和缩放到单位方差来标准化特征【Z = (x - u) / s】
        transfer = StandardScaler()
        X_train = transfer.fit_transform(X_train)
        X_test = transfer.fit_transform(X_test)
    
        # 模型评估
        estimator = KNeighborsClassifier(n_neighbors=5)
        estimator.fit(X_train, y_train)
    
        y_pre = estimator.predict(X_test)
    
        # 传入的X_test会再次经过预测，不需要直接传入预测值
        ret = estimator.score(X_test, y_test)
        if ret>max_:
            max_ = ret
            test_size_ = test_size
            random_state_ = random_state
    """ 经过测试： test_size = 0.2 random_state = 1 结果最优为：1 """
    print(test_size_, random_state_, max_)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]: /images/20221014/22f6e448b58545668e19c3efaba31311.png