机器学习实现鸢尾花分类

机器学习——鸢尾花分类

数据集

每一行数据由 4 个特征值及一个目标值组成。

4 个特征值分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度

目标值为三种不同类别的鸢尾花，分别为： Iris setosa、Iris versicolour、Iris virginica

导包：numpy matplotlib sklearn

import numpy as np from matplotlib import colors from sklearn import svm from sklearn.svm import SVC from sklearn import model_selection import matplotlib.pyplot as plt import matplotlib as mpl

第一步：数据准备

#将字符串转为整型，便于数据加载 #这是一个字典 def iris_type(s): it = {b'Iris-setosa':0, b'Iris-versicolor':1, b'Iris-virginica':2} return it[s]

#加载数据 data_path='/home/aistudio/data/data2301/iris.data' #数据文件的路径 data = np.loadtxt(data_path, #数据文件路径 dtype=float, #数据类型 delimiter=',', #数据分隔符 converters={4:iris_type}) #将第5列使用函数iris_type进行转换,预处理 #print(data) #data为二维数组，data.shape=(150, 5) #print(data.shape) #数据分割 x, y = np.split(data, #要切分的数组 (4,), #沿轴切分的位置，第5列开始往后为y axis=1) #代表纵向分割，按列分割 x = x[:, 0:2] #在X中我们取前两列作为特征，为了后面的可视化。x[:,0:2]代表第一维(行)全取，第二维(列)取0~2 #如果想取0，2，3列，x = np.stack((x[:, 0], x[:, 2], x[:, 3]), axis=1) #print(x) x_train, x_test, y_train, y_test = model_selection.train_test_split(x, y，random_state=1, test_size=0.3) #x为所要划分的样本特征集 #y为所要划分的样本结果,0,1,2 #random_state随机数种子，就是把数据打乱 #test_size测试样本占比

第二步：模型搭建

def classifier(): #clf = svm.SVC(C=0.8,kernel='rbf', gamma=50,decision_function_shape='ovr') clf = svm.SVC(C=0.5, #误差项惩罚系数,默认值是1 kernel='linear', #线性核 kenrel="rbf":高斯核 decision_function_shape='ovr') #决策函数 return clf

# 定义模型：SVM模型定义

clf = classifier()

第三步：模型训练

#训练模型 def train(clf,x_train,y_train): clf.fit(x_train, #训练集特征向量 y_train.ravel()) #训练集目标值

训练SVM模型

train(clf,x_train,y_train)

第四步：模型评估

#判断a b是否相等，计算acc的均值 def show_accuracy(a, b, tip): acc = a.ravel() == b.ravel() #acc是一个包含很多1,0的数组 print('%s Accuracy:%.3f' %(tip, np.mean(acc))) #np.mean()用来求均值

def print_accuracy(clf,x_train,y_train,x_test,y_test): #打印训练集和测试集的准确率score(x_train,y_train):表示输出x_train,y_train在模型上的准确率 print('trianing prediction:%.3f' %(clf.score(x_train, y_train))) print('test data prediction:%.3f' %(clf.score(x_test, y_test))) #原始结果与预测结果进行对比 predict()表示对x_train样本进行预测，返回样本类别 show_accuracy(clf.predict(x_train), y_train, 'traing data') show_accuracy(clf.predict(x_test), y_test, 'testing data') #计算决策函数的值，表示x到各分割平面的距离 print('decision_function:\n', clf.decision_function(x_train))

print_accuracy(clf, x_train, y_train, x_test, y_test)

第五步：模型使用

def draw(clf, x): iris_feature = 'sepal length', 'sepal width', 'petal lenght', 'petal width'

#开始画图

x1_min, x1_max = x[:, 0].min(), x[:, 0].max() #第0列的范围 ​ x2_min, x2_max = x[:, 1].min(), x[:, 1].max() #第1列的范围 ​ x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] #生成网格采样点,2D ​ grid_test = np.stack((x1.flat, x2.flat), axis=1) #stack():沿着新的轴加入一系列数组， flat的作用是将数组分解成可连续访问的元素,目的就是把他拉直后合并，并且不改变数组 ​ print('grid_test:\n', grid_test)

#输出样本到决策面的距离

z = clf.decision_function(grid_test) ​ print('the distance to decision plane:\n', z) ​

grid_hat = clf.predict(grid_test)                           # 预测分类值 得到【0,0.。。。2,2,2】
print('grid_hat:\n', grid_hat)  
grid_hat = grid_hat.reshape(x1.shape)                       # reshape grid_hat和x1形状一致
#若3*3矩阵e，则e.shape()为3*3,表示3行3列   
 
cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])
cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])
 
plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light)  # pcolormesh(x,y,z,cmap)这里参数代入x1，x2，grid_hat，cmap=cm_light绘制的是背景。
plt.scatter(x[:, 0], x[:, 1], c=np.squeeze(y), edgecolor='k', s=50, cmap=cm_dark) # 样本点
plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolor='none', zorder=10)       # 测试点
plt.xlabel(iris_feature[0], fontsize=20)  #x轴名称
plt.ylabel(iris_feature[1], fontsize=20)
plt.xlim(x1_min, x1_max)  #x轴作图范围
plt.ylim(x2_min, x2_max)
plt.title('svm in iris data classification', fontsize=30)
plt.grid()
plt.show()

最后一步：模型使用

draw(clf,x)