1.初识机器学习

机器学习入门

1.必要的库和工具

①NumPy:可实现多维数组、高级数学函数(线性代数、傅里叶变换)的实现。

import numpy as np
x = np.array([[1,2,3],[4,5,6]])
print("打印矩阵:")
print(x)

打印矩阵:
[[1 2 3]
 [4 5 6]]

②SciPy:用于稀疏矩阵(即矩阵中除少量元素外，其余大部分元素都是0).

from scipy import sparse
eye = np.eye(4)
print("创建一个4行4列单位矩阵:\n{}".format(eye))

创建一个4行4列单位矩阵:
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

sparse_matrix = sparse.csr_matrix(eye)
print("该表示方法意为在几行几列有何元素:\n{}".format(sparse_matrix))

该表示方法意为在几行几列有何元素:
  (0, 0)	1.0
  (1, 1)	1.0
  (2, 2)	1.0
  (3, 3)	1.0

data = np.ones(4)
row_indices = np.arange(4)
col_indices = np.arange(4)
eye_coo = sparse.coo_matrix((data,(row_indices,col_indices)))
print("同上:\n{}".format(eye_coo))

同上:
  (0, 0)	1.0
  (1, 1)	1.0
  (2, 2)	1.0
  (3, 3)	1.0

③matpoltlib:科学绘图库.

 在 jupyter 中使用 %matplotlib inline 或者 %matplotlib notebook 可将图像直接显示在浏览器中。

%matplotlib inline
import matplotlib.pyplot as plt
x = np.linspace(-10, 10, 100)
y = np.sin(x)
plt.plot(x, y)

[]

④pandas:可用于输出数据表格.

import pandas as pd
from IPython.display import display
data = {'Name':["John", "Arthur","Hosea","Charles"],
        'Location':["Mexico","England","America","Canada"],
        'Age':[30, 35, 60, 32]}
data_pandas = pd.DataFrame(data)
display(data_pandas)

	Name	Location	Age
0	John	Mexico	30
1	Arthur	England	35
2	Hosea	America	60
3	Charles	Canada	32

display(data_pandas[data_pandas.Age > 34])

	Name	Location	Age
1	Arthur	England	35
2	Hosea	America	60

2.第一个机器学习例子

from sklearn.datasets import load_iris
# 读取鸢尾花数据
iris_dataset = load_iris()

print("鸢尾花数据集的键:\n{}".format(iris_dataset.keys()))

鸢尾花数据集的键:
dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename'])

要明确数据集的键值对，目标名:

data – 数据集本身

target – 标签编号

target_names – 标签名称

feature_names – 特征名称

print("预测目标分类名:{}".format(iris_dataset['target_names']))

预测目标分类名:['setosa' 'versicolor' 'virginica']

print("特征名：{}".format(iris_dataset['feature_names']))

特征名：['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

print("数据类型：{}".format(type(iris_dataset['data'])))

数据类型：

print("样本数, 特征数：{}".format(iris_dataset['data'].shape))

样本数, 特征数：(150, 4)

print("前五行的数据:\n{}".format(iris_dataset['data'][:5]))

前五行的数据:
[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]]

print("目标值规模:{}".format(iris_dataset['target'].shape))

目标值规模:(150,)

print("目标:\n{}".format(iris_dataset['target']))
print("0-品种A，1-品种B，2-品种C")

目标:
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
0-品种A，1-品种B，2-品种C

# 划分训练数据与测试数据
from sklearn.model_selection import train_test_split
"""在sklearn中X表示数据, y表示标签"""
X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], random_state=0)

在原始数据中所有的数据都是按标签排列的(即假设不经过打乱直接选取测试集，如果选取最后的25%作为测试集，可能获得的标签都是相同的).

函数 train_test_split()能够利用伪随机数生成器将数据集打乱顺序。

参数 random_state是为了确保多次运行同意函数后仍能够得到同样的输出(即保持第一次打乱后的数据顺序)

该函数输出X_train(75%), X_test(25%), y_train, y_test.

print("X_train shape:{}".format(X_train.shape))
print("y_train shape:{}".format(y_train.shape))

X_train shape:(112, 4)
y_train shape:(112,)

print("X_test shape:{}".format(X_test.shape))
print("y_test shape:{}".format(y_test.shape))

X_test shape:(38, 4)
y_test shape:(38,)

# 利用X_train中的数据创建DataFrame
# 利用iris_dataset.feature中的字符串对数据列标记
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
# 利用DataFrame创建散点图矩阵, 按y_train着色
grr = pd.plotting.scatter_matrix(iris_dataframe, c = y_train, figsize = (15, 15), marker = 'o', hist_kwds = {'bins':20},s=60,alpha=.8,cmap=mglearn.cm3)

K近邻算法

图自bilbil KonwingAI知智

“物以类聚”，如果要对一个新的数据点进行预测，那么KNN算法会寻找离该新数据点最近的数据点来判断其分类结果。

其中, k表示离需要预测的数据点最近的k个邻居。

from sklearn.neighbors import KNeighborsClassifier
# 暂时只考虑只有一个邻居的情况
knn = KNeighborsClassifier(n_neighbors=1)

knn.fit(X_train, y_train)

KNeighborsClassifier(n_neighbors=1)

做出预测

# 输入已知数据，填入模型进行预测
import numpy as np
X_new = np.array([[5, 2.9, 1, 0.2]])
print("显示该数据规模:\n{}".format(X_new.shape))

显示该数据规模:
(1, 4)

prediction = knn.predict(X_new)
print("预测结果:{}".format(prediction))
print("属于标签:{}".format(iris_dataset['target_names'][prediction]))

预测结果:[0]
属于标签:['setosa']

评估模型

# 直接使用之前生成的测试集数据进行预测得到结果
y_pred = knn.predict(X_test)
print(y_pred)

[2 1 0 2 0 2 0 1 1 1 2 1 1 1 1 0 1 1 0 0 2 1 0 0 2 0 0 1 1 0 2 1 0 2 2 1 0
 2]

# 计算精度方法1 - knn.score
print(knn.score(X_test, y_test))

0.9736842105263158

# 计算精度方法2 - np,mean()
print(np.mean(y_pred == y_test))

0.9736842105263158

总结