随机森林、数据集划分、准确率、混淆矩阵（Python实现）
目录
0 今日目标
1 随机森林（RandomForestClassifier）
1.1 案例1
1.2 案例2
2 数据集划分（train_test_split）
3 准确率 （accuracy_score）
4 混淆矩阵 （confusion_matrix ）
4.1 混淆矩阵
4.2 举例说明
4.3 参数说明
4.4 案例
致谢
0 今日目标
from sklearn.ensemble import RandomForestClassifier #随机森林 from sklearn.model_selection import train_test_split #数据集划分 from sklearn.metrics import accuracy_score #准确率 from sklearn.metrics import confusion_matrix #混淆矩阵
1 随机森林（RandomForestClassifier）
1.1 案例1
#=========导包==============================
from sklearn.ensemble import RandomForestClassifier
#========data:训练数据, label：标签==========
data = [[0, 0, 0], [1, 1, 1], [2, 2, 2], [1, 1, 1], [2, 2, 2], [3, 3, 3], [1, 1, 1], [4, 4, 4]]
label = [0, 1, 2, 1, 2, 3, 1, 4]
#======用随机森林来拟合(训练)数据==============
model = RandomForestClassifier()
model.fit(data, label)
#======x_test 测试数据======================
x_test = [[1, 2, 3],
[5, 6, 7],
[8, 8, 8],
[9, 9, 9]]
#======输出 x_test每组数据的预测结果的标签值=======
print(model.predict(x_test))
#====输出的是二维矩阵 ，第i行j列表示 x_test第i行测试数据在每个label上的概率(这李标签共有5个 0，1，2，3，4)====
print(model.predict_proba(x_test))#predict结果：
[2 4 4 4]
#predict_proba结果：
[[0. 0.38 0.45 0.14 0.03]
[0. 0. 0.08 0.16 0.76]
[0. 0. 0.08 0.16 0.76]
[0. 0. 0.08 0.16 0.76]]
Process finished with exit code 0
1.2 案例2
情景：基于相亲网站男方提供的个人基本资料作为输入，以女方是否相亲做标签做训练，用训练出的模型预测女方是否相亲。
#==================导包===================
from sklearn.ensemble import RandomForestClassifier
#======"年龄", "身高", "年收入", '学历'（0:大专， 1:本科， 2:硕士）======
X = [
[25, 179, 15, 0],
[33, 190, 19, 0],
[28, 180, 18, 2],
[25, 178, 18, 2],
[46, 100, 100, 2],
[40, 170, 170, 1],
[34, 174, 20, 2],
[36, 181, 55, 1],
[35, 170, 25, 2],
[30, 180, 35, 1],
[28, 174, 30, 1],
[29, 176, 36, 1],
]
#===========有否相亲 0:N 1:Y===================
y = [0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 1]
#======现在我们把训练数据，和对应的分类放入分类器中进行训练======
model = RandomForestClassifier().fit(X, y)
#======预测下面此人是否相亲======
p = [[28, 180, 18, 2]]
print(model.predict(p))[1]
Process finished with exit code 0
# 输出结果是[1] 是2 数据集划分（train_test_split）
2.1 用途
在机器学习中，该函数可按照用户设定的比例，随机将样本集合划分为训练集 和测试集，并返回划分好的训练集和测试集数据。
2.2 语法
X_train,X_test, y_train, y_test =cross_validation.train_test_split(X,y,test_size, random_state)2.3 参数说明
2.4 代码示例
import numpy as np
from sklearn.model_selection import train_test_split
#创建一个数据集X和相应的标签y,X中样本数目为100
X, y = np.arange(200).reshape((100, 2)), range(100)
#用train_test_split函数划分出训练集和测试集，测试集占比0.33
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.33, random_state=42)
#打印出原始样本集、训练集和测试集的数目
print("The length of original data X is:", X.shape[0])
print("The length of train Data is:", X_train.shape[0])
print("The length of test Data is:", X_test.shape[0])The length of original data X is: 100
The length of train Data is: 67
The length of test Data is: 33
Process finished with exit code 03 准确率 （accuracy_score）
分类准确率分数是指所有分类正确的百分比。分类准确率这一衡量分类器的标准比较容易理解，但是它不能告诉你响应值的潜在分布，并且它也不能告诉你分类器犯错的类型。
sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
normalize：默认值为True，返回正确分类的比例；如果为False，返回正确分类的样本数
案例：
import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
print("正确率：",accuracy_score(y_true, y_pred))
print("正确个数：",accuracy_score(y_true, y_pred, normalize=False))正确率： 0.5
正确个数： 2
Process finished with exit code 0
4 混淆矩阵 （confusion_matrix ）
4.1 混淆矩阵
在机器学习领域，混淆矩阵（confusion matrix），又称为可能性表格或是错误矩阵。它是一种特定的矩阵用来呈现算法性能的可视化效果，通常是监督学习（非监督学习，通常用匹配矩阵：matching matrix）。其每一列代表预测值，每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）
4.2 举例说明
假设有一个用来对猫（cats）、狗（dogs）、兔子（rabbits）进行分类的系统，混淆矩阵就是为了进一步分析性能而对该算法测试结果做出的总结。假设总共有 27 只动物：8只猫， 6条狗， 13只兔子。结果的混淆矩阵如下图：
在这个混淆矩阵中，实际有 8只猫，但是系统将其中3只预测成了狗；对于 6条狗，其中有 1条被预测成了兔子，2条被预测成了猫。从混淆矩阵中我们可以看出系统对于区分猫和狗存在一些问题，但是区分兔子和其他动物的效果还是不错的。所有正确的预测结果都在对角线上，所以从混淆矩阵中可以很方便直观的看出哪里有错误，因为他们呈现在对角线外面。
其中灰色部分是真实分类和预测分类结果相一致的，绿色部分是真实分类和预测分类不一致的，即分类错误的。
4.3 参数说明
y_true: 是样本真实分类结果，y_pred: 是样本预测分类结果
labels：是所给出的类别，通过这个可对类别进行选择
sample_weight : 样本权重
sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)4.4 案例
（1）案例1
from sklearn.metrics import confusion_matrix
y_true=[2,1,0,1,2,0]
y_pred=[2,0,0,1,2,1]
C=confusion_matrix(y_true, y_pred)
print("混淆矩阵：")
print(C)混淆矩阵：
[[1 1 0]
[1 1 0]
[0 0 2]]
Process finished with exit code 0（2）案例2
from sklearn.metrics import confusion_matrix
y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
C=confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])
print("混淆矩阵：")
print(C)
混淆矩阵：
[[2 0 0]
[0 0 1]
[1 0 2]]
Process finished with exit code 0致谢
————————————————
https://blog.csdn.net/m0_38061927/article/details/77198990