网站设计主题中文,西南网架公司,华安县城乡规划建设局网站,规模以上工业企业的标准ML神器#xff1a;sklearn的快速使用 传统的机器学习任务从开始到建模的一般流程是#xff1a;获取数据 - 数据预处理 - 训练建模 - 模型评估 - 预测#xff0c;分类。本文我们将依据传统机器学习的流程#xff0c;看看在每一步流程中都有哪些常用的函数以… ML神器sklearn的快速使用 传统的机器学习任务从开始到建模的一般流程是获取数据 - 数据预处理 - 训练建模 - 模型评估 - 预测分类。本文我们将依据传统机器学习的流程看看在每一步流程中都有哪些常用的函数以及它们的用法是怎么样的。希望你看完这篇文章可以最为快速的开始你的学习任务。 1. 获取数据 1.1 导入sklearn数据集 sklearn中包含了大量的优质的数据集在你学习机器学习的过程中你可以通过使用这些数据集实现出不同的模型从而提高你的动手实践能力同时这个过程也可以加深你对理论知识的理解和把握。这一步我也亟需加强一起加油- 首先呢要想使用sklearn中的数据集必须导入datasets模块 from sklearn import datasets下图中包含了大部分sklearn中数据集调用方式也在图中给出这里我们拿iris的数据来举个例子 image image iris datasets.load_iris() # 导入数据集
X iris.data # 获得其特征向量
y iris.target # 获得样本label1.2 创建数据集 你除了可以使用sklearn自带的数据集还可以自己去创建训练样本具体用法参见《Dataset loading utilities》这里我们简单介绍一些sklearn中的samples generator包含的大量创建样本数据的方法 image image 下面我们拿分类问题的样本生成器举例子 from sklearn.datasets.samples_generator import make_classificationX, y make_classification(n_samples6, n_features5, n_informative2, n_redundant2, n_classes2, n_clusters_per_class2, scale1.0, random_state20) # n_samples指定样本数 # n_features指定特征数 # n_classes指定几分类 # random_state随机种子使得随机状可重 for x_,y_ in zip(X,y):print(y_,end: )print(x_)0: [-0.6600737 -0.0558978 0.82286793 1.1003977 -0.93493796] 1: [ 0.4113583 0.06249216 -0.90760075 -1.41296696 2.059838 ] 1: [ 1.52452016 -0.01867812 0.20900899 1.34422289 -1.61299022] 0: [-1.25725859 0.02347952 -0.28764782 -1.32091378 -0.88549315] 0: [-3.28323172 0.03899168 -0.43251277 -2.86249859 -1.10457948] 1: [ 1.68841011 0.06754955 -1.02805579 -0.83132182 0.93286635] 2. 数据预处理 数据预处理阶段是机器学习中不可缺少的一环它会使得数据更加有效的被模型或者评估器识别。下面我们来看一下sklearn中有哪些平时我们常用的函数 from sklearn import preprocessing 2.1 数据归一化 为了使得训练数据的标准化规则与测试数据的标准化规则同步preprocessing中提供了很多Scaler data [[0, 0], [0, 0], [1, 1], [1, 1]] # 1. 基于mean和std的标准化 scaler preprocessing.StandardScaler().fit(train_data) scaler.transform(train_data) scaler.transform(test_data) # 2. 将每个特征值归一化到一个固定范围 scaler preprocessing.MinMaxScaler(feature_range(0, 1)).fit(train_data) scaler.transform(train_data) scaler.transform(test_data) #feature_range: 定义归一化范围注用括起来 2.2 正则化normalize 当你想要计算两个样本的相似度时必不可少的一个操作就是正则化。其思想是首先求出样本的p-范数然后该样本的所有元素都要除以该范数这样最终使得每个样本的范数都为1。 X [[ 1., -1., 2.],
... [ 2., 0., 0.], ... [ 0., 1., -1.]] X_normalized preprocessing.normalize(X, norml2) X_normalized array([[ 0.40..., -0.40..., 0.81...], [ 1. ..., 0. ..., 0. ...], [ 0. ..., 0.70..., -0.70...]]) 2.3 one-hot编码 one-hot编码是一种对离散特征值的编码方式在LR模型中常用到用于给线性模型增加非线性能力。 data [[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]] encoder preprocessing.OneHotEncoder().fit(data) enc.transform(data).toarray() 3. 数据集拆分 在得到训练数据集时通常我们经常会把训练数据集进一步拆分成训练集和验证集这样有助于我们模型参数的选取。 # 作用将数据集划分为 训练集和测试集
# 格式train_test_split(*arrays, **options)
from sklearn.mode_selection import train_test_split X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.3, random_state42) 参数 --- arrays样本数组包含特征向量和标签 test_size float-获得多大比重的测试样本 默认0.25 int - 获得多少个测试样本 train_size: 同test_size random_state: int - 随机种子种子固定实验可复现 shuffle - 是否在分割之前对数据进行洗牌默认True 返回 --- 分割后的列表长度2*len(arrays), (train-test split) 4. 定义模型 在这一步我们首先要分析自己数据的类型搞清出你要用什么模型来做然后我们就可以在sklearn中定义模型了。sklearn为所有模型提供了非常相似的接口这样使得我们可以更加快速的熟悉所有模型的用法。在这之前我们先来看看模型的常用属性和功能 # 拟合模型
model.fit(X_train, y_train)
# 模型预测
model.predict(X_test)# 获得这个模型的参数
model.get_params()
# 为模型进行打分 model.score(data_X, data_y) # 线性回归R square 分类问题 acc 4.1 线性回归 from sklearn.linear_model import LinearRegression
# 定义线性回归模型
model LinearRegression(fit_interceptTrue, normalizeFalse, copy_XTrue, n_jobs1) 参数 --- fit_intercept是否计算截距。False-模型没有截距 normalize 当fit_intercept设置为False时该参数将被忽略。 如果为真则回归前的回归系数X将通过减去平均值并除以l2-范数而归一化。 n_jobs指定线程数 image 4.2 逻辑回归LR from sklearn.linear_model import LogisticRegression
# 定义逻辑回归模型
model LogisticRegression(penalty’l2’, dualFalse, tol0.0001, C1.0, fit_interceptTrue, intercept_scaling1, class_weightNone, random_stateNone, solver’liblinear’, max_iter100, multi_class’ovr’, verbose0, warm_startFalse, n_jobs1) 参数 --- penalty使用指定正则化项默认l2 dual: n_samples n_features取False默认 C正则化强度的反值越小正则化强度越大 n_jobs: 指定线程数 random_state随机数生成器 fit_intercept: 是否需要常量 4.3 朴素贝叶斯算法NB from sklearn import naive_bayes
model naive_bayes.GaussianNB() # 高斯贝叶斯
model naive_bayes.MultinomialNB(alpha1.0, fit_priorTrue, class_priorNone) model naive_bayes.BernoulliNB(alpha1.0, binarize0.0, fit_priorTrue, class_priorNone) 文本分类问题常用MultinomialNB 参数 --- alpha平滑参数 fit_prior是否要学习类的先验概率false-使用统一的先验概率 class_prior: 是否指定类的先验概率若指定则不能根据参数调整 binarize: 二值化的阈值若为None则假设输入由二进制向量组成 4.4 决策树DT from sklearn import tree
model tree.DecisionTreeClassifier(criterion’gini’, max_depthNone, min_samples_split2, min_samples_leaf1, min_weight_fraction_leaf0.0, max_featuresNone, random_stateNone, max_leaf_nodesNone, min_impurity_decrease0.0, min_impurity_splitNone, class_weightNone, presortFalse) 参数 --- criterion 特征选择准则gini/entropy max_depth树的最大深度None-尽量下分 min_samples_split分裂内部节点所需要的最小样本树 min_samples_leaf叶子节点所需要的最小样本数 max_features: 寻找最优分割点时的最大特征数 max_leaf_nodes优先增长到最大叶子节点数 min_impurity_decrease如果这种分离导致杂质的减少大于或等于这个值则节点将被拆分。 4.5 支持向量机SVM from sklearn.svm import SVC
model SVC(C1.0, kernel’rbf’, gamma’auto’)
参数 --- C误差项的惩罚参数C gamma: 核相关系数。浮点数If gamma is ‘auto’ then 1/n_features will be used instead. 4.6 k近邻算法KNN from sklearn import neighbors
#定义kNN分类模型
model neighbors.KNeighborsClassifier(n_neighbors5, n_jobs1) # 分类 model neighbors.KNeighborsRegressor(n_neighbors5, n_jobs1) # 回归 参数 --- n_neighbors 使用邻居的数目 n_jobs并行任务数 4.7 多层感知机神经网络 from sklearn.neural_network import MLPClassifier
# 定义多层感知机分类算法
model MLPClassifier(activationrelu, solveradam, alpha0.0001) 参数 --- hidden_layer_sizes: 元祖 activation激活函数 solver 优化算法{‘lbfgs’, ‘sgd’, ‘adam’} alphaL2惩罚(正则化项)参数。 5. 模型评估与选择篇 5.1 交叉验证 from sklearn.model_selection import cross_val_score
cross_val_score(model, X, yNone, scoringNone, cvNone, n_jobs1) 参数 --- model拟合数据的模型 cv k-fold scoring: 打分参数-‘accuracy’、‘f1’、‘precision’、‘recall’ 、‘roc_auc’、neg_log_loss等等 5.2 检验曲线 使用检验曲线我们可以更加方便的改变模型参数获取模型表现。 from sklearn.model_selection import validation_curve
train_score, test_score validation_curve(model, X, y, param_name, param_range, cvNone, scoringNone, n_jobs1) 参数 --- model:用于fit和predict的对象 X, y: 训练集的特征和标签 param_name将被改变的参数的名字 param_range 参数的改变范围 cvk-fold 返回值 --- train_score: 训练集得分array test_score: 验证集得分array 6. 保存模型 最后我们可以将我们训练好的model保存到本地或者放到线上供用户使用那么如何保存训练好的model呢主要有下面两种方式 6.1 保存为pickle文件 import pickle# 保存模型
with open(model.pickle, wb) as f: pickle.dump(model, f) # 读取模型 with open(model.pickle, rb) as f: model pickle.load(f) model.predict(X_test) 6.2 sklearn自带方法joblib from sklearn.externals import joblib# 保存模型
joblib.dump(model, model.pickle) #载入模型 model joblib.load(model.pickle) 转载于:https://www.cnblogs.com/ldt-/p/10229926.html
