python建模预测_技术分享 - python数据分析（6）——挖掘建模（1）分类与预测

经过数据探索与数据预处理，得到了可以直接建模的数据.根据挖掘目标与数据形式可以建立分类与预测、聚类分析、关联规则、时序模式和偏差检测等模型。

分类与预测问题是预测问题的两种主要的类型，分类主要是预测分类标号（基于离散属性的），而预测是建立连续值函数模型，预测给定自变量对应的因变量的值。

一、实现过程

1.1 分类

分类属于有监督学习的范畴，大致上的意思就是我们可以将样本数据分成几个类别，将我们的数据与我们的类别相互对应。

1.2 预测

预测是指建立两种或者两种以上变量之间相互依赖的函数模型，然后进行预测或者控制。

1.3 实现过程

二、常用的预测和分类方法

三、回归分析

主要回归模型分类

3.1 Logistic回归分析介绍

3.1.1 Logistic函数

3.1.2 Logistic回归模型

3.1.3 Logistic回归模型解释

3.2 Logistic回归建模步骤

#-*- coding: utf-8 -*-

#逻辑回归 自动建模

importpandasaspd

#参数初始化

filename='bankloan.xls'

data=pd.read_excel(filename)

x=data.iloc[:,:8].as_matrix()

y=data.iloc[:,8].as_matrix()

fromsklearn.linear_modelimportLogisticRegressionasLR

fromsklearn.linear_modelimportRandomizedLogisticRegressionasRLR

rlr=RLR()#建立随机逻辑回归模型，筛选变量

rlr.fit(x,y)#训练模型

rlr.get_support()#获取特征筛选结果，也可以通过.scores_方法获取各个特征的分数

print(u'通过随机逻辑回归模型筛选特征结束。')

print(u'有效特征为：%s'%','.join(data.columns[rlr.get_support(indices=True)]))

x=data[data.columns[rlr.get_support(indices=True)]].as_matrix()#筛选好特征

lr=LR()#建立逻辑货柜模型

lr.fit(x,y)#用筛选后的特征数据来训练模型

print(u'逻辑回归模型训练结束。')

print(u'模型的平均正确率为：%s'%lr.score(x,y))#给出模型的平均正确率，本例为81.4%

四、 决策树

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。

决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。

4.1 ID3算法简介及基本原理

显然E（A）越小，Gain(A)的值越大，说明选择测试属性A对于分类提供的信息越大，选择A之后对分类的不确定程度越小。

4.2 ID3算法具体流程对当前样本集合，计算所有属性的信息增益

选择信息增益最大的属性作为测试属性，把测试属性取值相同的样本划为同一个子样本集

若子样本集的类别属性只含有单个属性，则分支为叶子节点，判断其属性值并标上相应的符号，然后返回调用处；否则对子样本递归调用本算法。

#-*- coding: utf-8 -*-

#使用ID3决策树算法预测销量高低

importpandasaspd

#参数初始化

inputfile='sales_data.xls'

data=pd.read_excel(inputfile,index_col=u'序号')#导入数据

#数据是类别标签，要将它转换为数据

#用1来表示“好”、“是”、“高”这三个属性，用-1来表示“坏”、“否”、“低”

data[data==u'好']=1

data[data==u'是']=1

data[data==u'高']=1

data[data!=1]=-1

x=data.iloc[:,:3].as_matrix().astype(int)

y=data.iloc[:,3].as_matrix().astype(int)

fromsklearn.treeimportDecisionTreeClassifierasDTC

dtc=DTC(criterion='entropy')#建立决策树模型，基于信息熵

dtc.fit(x,y)#训练模型

#导入相关函数，可视化决策树。

#导出的结果是一个dot文件，需要安装Graphviz才能将它转换为pdf或png等格式。

fromsklearn.treeimportexport_graphviz

x=pd.DataFrame(x)

fromsklearn.externals.siximportStringIO

x=pd.DataFrame(x)

withopen("tree.dot",'w')asf:

f=export_graphviz(dtc,feature_names=x.columns,out_file=f)

五、人工神经网络

人工神经模型

激活函数

人工神经算法

BP算法学习流程

例子如下：（用神经网络算法预测销量高低）

#-*- coding: utf-8 -*-

#使用神经网络算法预测销量高低

importpandasaspd

#参数初始化

inputfile='sales_data.xls'

data=pd.read_excel(inputfile,index_col=u'序号')#导入数据

#数据是类别标签，要将它转换为数据

#用1来表示“好”、“是”、“高”这三个属性，用0来表示“坏”、“否”、“低”

data[data==u'好']=1

data[data==u'是']=1

data[data==u'高']=1

data[data!=1]=0

x=data.iloc[:,:3].as_matrix().astype(int)

y=data.iloc[:,3].as_matrix().astype(int)

fromkeras.modelsimportSequential

fromkeras.layers.coreimportDense,Activation

model=Sequential()#建立模型

model.add(Dense(input_dim=3,output_dim=10))

model.add(Activation('relu'))#用relu函数作为激活函数，能够大幅提供准确度

model.add(Dense(input_dim=10,output_dim=1))

model.add(Activation('sigmoid'))#由于是0-1输出，用sigmoid函数作为激活函数

model.compile(loss='binary_crossentropy',optimizer='adam')

#编译模型。由于我们做的是二元分类，所以我们指定损失函数为binary_crossentropy

#另外常见的损失函数还有mean_squared_error、categorical_crossentropy等，请阅读帮助文件。

#求解方法我们指定用adam，还有sgd、rmsprop等可选

model.fit(x,y,nb_epoch=1000,batch_size=10)#训练模型，学习一千次

yp=model.predict_classes(x).reshape(len(y))#分类预测

fromcm_plotimport*#导入自行编写的混淆矩阵可视化函数

cm_plot(y,yp).show()#显示混淆矩阵可视化结果

BP神经网络预测销售高低混淆矩阵图：