前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python基础(十三) | 机器学习sklearn库详解与应用

Python基础(十三) | 机器学习sklearn库详解与应用

作者头像
timerring
发布2022-10-27 14:59:28
6630
发布2022-10-27 14:59:28
举报
文章被收录于专栏:TechBlog

⭐本专栏旨在对Python的基础语法进行详解,精炼地总结语法中的重点,详解难点,面向零基础及入门的学习者,通过专栏的学习可以熟练掌握python编程,同时为后续的数据分析,机器学习及深度学习的代码能力打下坚实的基础。 🔥本文已收录于Python基础系列专栏: Python基础系列教程 欢迎订阅,持续更新。

文章目录

scikit-learn 库是当今最流行的机器学习算法库之一

可用来解决分类与回归问题

本章以鸢尾花数据集为例,简单了解八大传统机器学习分类算法的sk-learn实现

欲深入了解传统机器算法的原理和公式推导,请继续学习《统计学习方法》或《西瓜书》

13.0 鸢尾花数据集

【1】下载数据集

代码语言:javascript
复制
import seaborn as sns
代码语言:javascript
复制
iris = sns.load_dataset("iris")

【2】数据集的查看

代码语言:javascript
复制
type(iris)
代码语言:javascript
复制
pandas.core.frame.DataFrame
代码语言:javascript
复制
iris.shape()
代码语言:javascript
复制
(150, 5)
代码语言:javascript
复制
iris.head()

sepal_length

sepal_width

petal_length

petal_width

species

0

5.1

3.5

1.4

0.2

setosa

1

4.9

3.0

1.4

0.2

setosa

2

4.7

3.2

1.3

0.2

setosa

3

4.6

3.1

1.5

0.2

setosa

4

5.0

3.6

1.4

0.2

setosa

代码语言:javascript
复制
iris.info()
代码语言:javascript
复制
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 150 entries, 0 to 149
Data columns (total 5 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   sepal_length  150 non-null    float64
 1   sepal_width   150 non-null    float64
 2   petal_length  150 non-null    float64
 3   petal_width   150 non-null    float64
 4   species       150 non-null    object 
dtypes: float64(4), object(1)
memory usage: 6.0+ KB
代码语言:javascript
复制
iris.describe()

sepal_length

sepal_width

petal_length

petal_width

count

150.000000

150.000000

150.000000

150.000000

mean

5.843333

3.057333

3.758000

1.199333

std

0.828066

0.435866

1.765298

0.762238

min

4.300000

2.000000

1.000000

0.100000

25%

5.100000

2.800000

1.600000

0.300000

50%

5.800000

3.000000

4.350000

1.300000

75%

6.400000

3.300000

5.100000

1.800000

max

7.900000

4.400000

6.900000

2.500000

代码语言:javascript
复制
iris.species.value_counts()
代码语言:javascript
复制
virginica     50
versicolor    50
setosa        50
Name: species, dtype: int64
代码语言:javascript
复制
sns.pairplot(data=iris, hue="species")
代码语言:javascript
复制
<seaborn.axisgrid.PairGrid at 0x178f9d81160>

可见,花瓣的长度和宽度有非常好的相关性。而花萼的长宽效果不好,因此考虑对他们丢弃。

【3】数据清洗

代码语言:javascript
复制
iris_simple = iris.drop(["sepal_length", "sepal_width"], axis=1)
iris_simple.head()

petal_length

petal_width

species

0

1.4

0.2

setosa

1

1.4

0.2

setosa

2

1.3

0.2

setosa

3

1.5

0.2

setosa

4

1.4

0.2

setosa

【4】标签编码

代码语言:javascript
复制
from sklearn.preprocessing import LabelEncoder

encoder = LabelEncoder()
iris_simple["species"] = encoder.fit_transform(iris_simple["species"])
代码语言:javascript
复制
iris_simple

petal_length

petal_width

species

0

1.4

0.2

0

1

1.4

0.2

0

2

1.3

0.2

0

3

1.5

0.2

0

4

1.4

0.2

0

5

1.7

0.4

0

6

1.4

0.3

0

7

1.5

0.2

0

8

1.4

0.2

0

9

1.5

0.1

0

10

1.5

0.2

0

11

1.6

0.2

0

12

1.4

0.1

0

13

1.1

0.1

0

14

1.2

0.2

0

15

1.5

0.4

0

16

1.3

0.4

0

17

1.4

0.3

0

18

1.7

0.3

0

19

1.5

0.3

0

20

1.7

0.2

0

21

1.5

0.4

0

22

1.0

0.2

0

23

1.7

0.5

0

24

1.9

0.2

0

25

1.6

0.2

0

26

1.6

0.4

0

27

1.5

0.2

0

28

1.4

0.2

0

29

1.6

0.2

0

...

...

...

...

120

5.7

2.3

2

121

4.9

2.0

2

122

6.7

2.0

2

123

4.9

1.8

2

124

5.7

2.1

2

125

6.0

1.8

2

126

4.8

1.8

2

127

4.9

1.8

2

128

5.6

2.1

2

129

5.8

1.6

2

130

6.1

1.9

2

131

6.4

2.0

2

132

5.6

2.2

2

133

5.1

1.5

2

134

5.6

1.4

2

135

6.1

2.3

2

136

5.6

2.4

2

137

5.5

1.8

2

138

4.8

1.8

2

139

5.4

2.1

2

140

5.6

2.4

2

141

5.1

2.3

2

142

5.1

1.9

2

143

5.9

2.3

2

144

5.7

2.5

2

145

5.2

2.3

2

146

5.0

1.9

2

147

5.2

2.0

2

148

5.4

2.3

2

149

5.1

1.8

2

150 rows × 3 columns

【5】数据集的标准化(本数据集特征比较接近,实际处理过程中未标准化)

代码语言:javascript
复制
from sklearn.preprocessing import StandardScaler
import pandas as pd
代码语言:javascript
复制
trans = StandardScaler()
_iris_simple = trans.fit_transform(iris_simple[["petal_length", "petal_width"]])
_iris_simple = pd.DataFrame(_iris_simple, columns = ["petal_length", "petal_width"])
_iris_simple.describe()

petal_length

petal_width

count

1.500000e+02

1.500000e+02

mean

-8.652338e-16

-4.662937e-16

std

1.003350e+00

1.003350e+00

min

-1.567576e+00

-1.447076e+00

25%

-1.226552e+00

-1.183812e+00

50%

3.364776e-01

1.325097e-01

75%

7.627583e-01

7.906707e-01

max

1.785832e+00

1.712096e+00

【6】构建训练集和测试集(本课暂不考虑验证集)

代码语言:javascript
复制
from sklearn.model_selection import train_test_split

train_set, test_set = train_test_split(iris_simple, test_size=0.2) # 20%的数据作为测试集
test_set.head()

petal_length

petal_width

species

3

1.5

0.2

0

111

5.3

1.9

2

24

1.9

0.2

0

5

1.7

0.4

0

92

4.0

1.2

1

代码语言:javascript
复制
iris_x_train = train_set[["petal_length", "petal_width"]]
iris_x_train.head()

petal_length

petal_width

63

4.7

1.4

93

3.3

1.0

34

1.5

0.2

35

1.2

0.2

126

4.8

1.8

代码语言:javascript
复制
iris_y_train = train_set["species"].copy()
iris_y_train.head()
代码语言:javascript
复制
63     1
93     1
34     0
35     0
126    2
Name: species, dtype: int32
代码语言:javascript
复制
iris_x_test = test_set[["petal_length", "petal_width"]]
iris_x_test.head()

petal_length

petal_width

3

1.5

0.2

111

5.3

1.9

24

1.9

0.2

5

1.7

0.4

92

4.0

1.2

代码语言:javascript
复制
iris_y_test = test_set["species"].copy()
iris_y_test.head()
代码语言:javascript
复制
3      0
111    2
24     0
5      0
92     1
Name: species, dtype: int32

13.1 k近邻算法

【1】基本思想

与待预测点最近的训练数据集中的k个邻居

把k个近邻中最常见的类别预测为带预测点的类别

【2】sklearn实现

代码语言:javascript
复制
from sklearn.neighbors import KNeighborsClassifier
  • 构建分类器对象
代码语言:javascript
复制
clf = KNeighborsClassifier()
clf
代码语言:javascript
复制
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
                     metric_params=None, n_jobs=None, n_neighbors=5, p=2,
                     weights='uniform')
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
                     metric_params=None, n_jobs=None, n_neighbors=5, p=2,
                     weights='uniform')
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 翻转
代码语言:javascript
复制
encoder.inverse_transform(res)
代码语言:javascript
复制
array(['setosa', 'virginica', 'setosa', 'setosa', 'versicolor',
       'versicolor', 'setosa', 'virginica', 'versicolor', 'virginica',
       'versicolor', 'virginica', 'virginica', 'virginica', 'versicolor',
       'setosa', 'setosa', 'setosa', 'versicolor', 'setosa', 'virginica',
       'setosa', 'virginica', 'versicolor', 'setosa', 'versicolor',
       'setosa', 'setosa', 'versicolor', 'versicolor'], dtype=object)
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 存储数据
代码语言:javascript
复制
out = iris_x_test.copy()
out["y"] = iris_y_test
out["pre"] = res
out

petal_length

petal_width

y

pre

3

1.5

0.2

0

0

111

5.3

1.9

2

2

24

1.9

0.2

0

0

5

1.7

0.4

0

0

92

4.0

1.2

1

1

57

3.3

1.0

1

1

1

1.4

0.2

0

0

112

5.5

2.1

2

2

106

4.5

1.7

2

1

136

5.6

2.4

2

2

80

3.8

1.1

1

1

131

6.4

2.0

2

2

147

5.2

2.0

2

2

113

5.0

2.0

2

2

84

4.5

1.5

1

1

39

1.5

0.2

0

0

40

1.3

0.3

0

0

17

1.4

0.3

0

0

56

4.7

1.6

1

1

2

1.3

0.2

0

0

100

6.0

2.5

2

2

42

1.3

0.2

0

0

144

5.7

2.5

2

2

79

3.5

1.0

1

1

19

1.5

0.3

0

0

75

4.4

1.4

1

1

44

1.9

0.4

0

0

37

1.4

0.1

0

0

64

3.6

1.3

1

1

90

4.4

1.2

1

1

代码语言:javascript
复制
out.to_csv("iris_predict.csv")

【3】可视化

代码语言:javascript
复制
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

def draw(clf):

    # 网格化
    M, N = 500, 500
    x1_min, x2_min = iris_simple[["petal_length", "petal_width"]].min(axis=0)
    x1_max, x2_max = iris_simple[["petal_length", "petal_width"]].max(axis=0)
    t1 = np.linspace(x1_min, x1_max, M)
    t2 = np.linspace(x2_min, x2_max, N)
    x1, x2 = np.meshgrid(t1, t2)
    
    # 预测
    x_show = np.stack((x1.flat, x2.flat), axis=1)
    y_predict = clf.predict(x_show)
    
    # 配色
    cm_light = mpl.colors.ListedColormap(["#A0FFA0", "#FFA0A0", "#A0A0FF"])
    cm_dark = mpl.colors.ListedColormap(["g", "r", "b"])
    
    # 绘制预测区域图
    plt.figure(figsize=(10, 6))
    plt.pcolormesh(t1, t2, y_predict.reshape(x1.shape), cmap=cm_light)
    
    # 绘制原始数据点
    plt.scatter(iris_simple["petal_length"], iris_simple["petal_width"], label=None,
                c=iris_simple["species"], cmap=cm_dark, marker='o', edgecolors='k')
    plt.xlabel("petal_length")
    plt.ylabel("petal_width")
    
    # 绘制图例
    color = ["g", "r", "b"]
    species = ["setosa", "virginica", "versicolor"]
    for i in range(3):
        plt.scatter([], [], c=color[i], s=40, label=species[i])    # 利用空点绘制图例
    plt.legend(loc="best")
    plt.title('iris_classfier')
代码语言:javascript
复制
draw(clf)

13.2 朴素贝叶斯算法

【1】基本思想

当X=(x1, x2)发生的时候,哪一个yk发生的概率最大

【2】sklearn实现

代码语言:javascript
复制
from sklearn.naive_bayes import GaussianNB
  • 构建分类器对象
代码语言:javascript
复制
clf = GaussianNB()
clf
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.3 决策树算法

【1】基本思想

CART算法:每次通过一个特征,将数据尽可能的分为纯净的两类,递归的分下去

【2】sklearn实现

代码语言:javascript
复制
from sklearn.tree import DecisionTreeClassifier
  • 构建分类器对象
代码语言:javascript
复制
clf = DecisionTreeClassifier()
clf
代码语言:javascript
复制
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
                       max_features=None, max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=1, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, presort=False,
                       random_state=None, splitter='best')
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
                       max_features=None, max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=1, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, presort=False,
                       random_state=None, splitter='best')
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.4 逻辑回归算法

【1】基本思想

一种解释:

训练:通过一个映射方式,将特征X=(x1, x2) 映射成 P(y=ck), 求使得所有概率之积最大化的映射方式里的参数

预测:计算p(y=ck) 取概率最大的那个类别作为预测对象的分类

【2】sklearn实现

代码语言:javascript
复制
from sklearn.linear_model import LogisticRegression
  • 构建分类器对象
代码语言:javascript
复制
clf = LogisticRegression(solver='saga', max_iter=1000)
clf
代码语言:javascript
复制
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
                   intercept_scaling=1, l1_ratio=None, max_iter=1000,
                   multi_class='warn', n_jobs=None, penalty='l2',
                   random_state=None, solver='saga', tol=0.0001, verbose=0,
                   warm_start=False)
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
C:\Users\ibm\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:469: FutureWarning: Default multi_class will be changed to 'auto' in 0.22. Specify the multi_class option to silence this warning.
  "this warning.", FutureWarning)





LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
                   intercept_scaling=1, l1_ratio=None, max_iter=1000,
                   multi_class='warn', n_jobs=None, penalty='l2',
                   random_state=None, solver='saga', tol=0.0001, verbose=0,
                   warm_start=False)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.5 支持向量机算法

【1】基本思想

以二分类为例,假设数据可用完全分开:

用一个超平面将两类数据完全分开,且最近点到平面的距离最大

【2】sklearn实现

代码语言:javascript
复制
from sklearn.svm import SVC
  • 构建分类器对象
代码语言:javascript
复制
clf = SVC()
clf
代码语言:javascript
复制
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto_deprecated',
    kernel='rbf', max_iter=-1, probability=False, random_state=None,
    shrinking=True, tol=0.001, verbose=False)
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
C:\Users\ibm\Anaconda3\lib\site-packages\sklearn\svm\base.py:193: FutureWarning: The default value of gamma will change from 'auto' to 'scale' in version 0.22 to account better for unscaled features. Set gamma explicitly to 'auto' or 'scale' to avoid this warning.
  "avoid this warning.", FutureWarning)





SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto_deprecated',
    kernel='rbf', max_iter=-1, probability=False, random_state=None,
    shrinking=True, tol=0.001, verbose=False)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.6 集成方法——随机森林

【1】基本思想

训练集m,有放回的随机抽取m个数据,构成一组,共抽取n组采样集

n组采样集训练得到n个弱分类器 弱分类器一般用决策树或神经网络

将n个弱分类器进行组合得到强分类器

【2】sklearn实现

代码语言:javascript
复制
from sklearn.ensemble import RandomForestClassifier
  • 构建分类器对象
代码语言:javascript
复制
clf = RandomForestClassifier()
clf
代码语言:javascript
复制
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
                       max_depth=None, max_features='auto', max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=1, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, n_estimators='warn',
                       n_jobs=None, oob_score=False, random_state=None,
                       verbose=0, warm_start=False)
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
C:\Users\ibm\Anaconda3\lib\site-packages\sklearn\ensemble\forest.py:245: FutureWarning: The default value of n_estimators will change from 10 in version 0.20 to 100 in 0.22.
  "10 in version 0.20 to 100 in 0.22.", FutureWarning)





RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
                       max_depth=None, max_features='auto', max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=1, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, n_estimators=10,
                       n_jobs=None, oob_score=False, random_state=None,
                       verbose=0, warm_start=False)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.7 集成方法——Adaboost

【1】基本思想

训练集m,用初始数据权重训练得到第一个弱分类器,根据误差率计算弱分类器系数,更新数据的权重

使用新的权重训练得到第二个弱分类器,以此类推

根据各自系数,将所有弱分类器加权求和获得强分类器

【2】sklearn实现

代码语言:javascript
复制
from sklearn.ensemble import AdaBoostClassifier
  • 构建分类器对象
代码语言:javascript
复制
clf = AdaBoostClassifier()
clf
代码语言:javascript
复制
AdaBoostClassifier(algorithm='SAMME.R', base_estimator=None, learning_rate=1.0,
                   n_estimators=50, random_state=None)
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
AdaBoostClassifier(algorithm='SAMME.R', base_estimator=None, learning_rate=1.0,
                   n_estimators=50, random_state=None)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.8 集成方法——梯度提升树GBDT

【1】基本思想

训练集m,获得第一个弱分类器,获得残差,然后不断地拟合残差

所有弱分类器相加得到强分类器

【2】sklearn实现

代码语言:javascript
复制
from sklearn.ensemble import GradientBoostingClassifier
  • 构建分类器对象
代码语言:javascript
复制
clf = GradientBoostingClassifier()
clf
代码语言:javascript
复制
GradientBoostingClassifier(criterion='friedman_mse', init=None,
                           learning_rate=0.1, loss='deviance', max_depth=3,
                           max_features=None, max_leaf_nodes=None,
                           min_impurity_decrease=0.0, min_impurity_split=None,
                           min_samples_leaf=1, min_samples_split=2,
                           min_weight_fraction_leaf=0.0, n_estimators=100,
                           n_iter_no_change=None, presort='auto',
                           random_state=None, subsample=1.0, tol=0.0001,
                           validation_fraction=0.1, verbose=0,
                           warm_start=False)
  • 训练
代码语言:javascript
复制
clf.fit(iris_x_train, iris_y_train)
代码语言:javascript
复制
GradientBoostingClassifier(criterion='friedman_mse', init=None,
                           learning_rate=0.1, loss='deviance', max_depth=3,
                           max_features=None, max_leaf_nodes=None,
                           min_impurity_decrease=0.0, min_impurity_split=None,
                           min_samples_leaf=1, min_samples_split=2,
                           min_weight_fraction_leaf=0.0, n_estimators=100,
                           n_iter_no_change=None, presort='auto',
                           random_state=None, subsample=1.0, tol=0.0001,
                           validation_fraction=0.1, verbose=0,
                           warm_start=False)
  • 预测
代码语言:javascript
复制
res = clf.predict(iris_x_test)
print(res)
print(iris_y_test.values)
代码语言:javascript
复制
[0 2 0 0 1 1 0 2 1 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
[0 2 0 0 1 1 0 2 2 2 1 2 2 2 1 0 0 0 1 0 2 0 2 1 0 1 0 0 1 1]
  • 评估
代码语言:javascript
复制
accuracy = clf.score(iris_x_test, iris_y_test)
print("预测正确率:{:.0%}".format(accuracy))
代码语言:javascript
复制
预测正确率:97%
  • 可视化
代码语言:javascript
复制
draw(clf)

13.9 常用方法

【1】xgboost

GBDT的损失函数只对误差部分做负梯度(一阶泰勒)展开

XGBoost损失函数对误差部分做二阶泰勒展开,更加准确,更快收敛

【2】lightgbm

微软:快速的,分布式的,高性能的基于决策树算法的梯度提升框架

速度更快

【3】stacking

堆叠或者叫模型融合

先建立几个简单的模型进行训练,第二级学习器会基于前级模型的预测结果进行再训练

【4】神经网络

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-10-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 13.0 鸢尾花数据集
  • 13.1 k近邻算法
  • 13.2 朴素贝叶斯算法
  • 13.3 决策树算法
  • 13.4 逻辑回归算法
  • 13.5 支持向量机算法
  • 13.6 集成方法——随机森林
  • 13.7 集成方法——Adaboost
  • 13.8 集成方法——梯度提升树GBDT
  • 13.9 常用方法
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档