机器学习一个小目标——Task2

【任务二】

构建SVM和决策树模型进行预测【时间】11.16（今天）

遇到的问题

• 数据归一化未完成
• 数据众数填充未完成

实现代码

数据处理

#!/usr/bin/env python 3.6
#-*- coding:utf-8 -*-
# @File    : feature.py
# @Date    : 2018-11-16
# @Author  : 黑桃
# @Software: PyCharm 
import pickle
import pandas as pd #数据分析
from pandas import Series,DataFrame
from sklearn.model_selection import train_test_split
import time
print("开始......")
t_start = time.time()
path = "E:/MyPython/Machine_learning_GoGoGo/"
"""=====================================================================================================================
1 读取数据
"""
print("数据预处理")
data = pd.read_csv(path + 'data_set/data.csv',encoding='gbk')

"""=====================================================================================================================
2 数据处理
"""
"""将每一个样本的缺失值的个数作为一个特征"""
temp1=data.isnull()
num=(temp1 == True).astype(bool).sum(axis=1)
is_null=DataFrame(list(zip(num)))
is_null=is_null.rename(columns={0:"is_null_num"})
data = pd.merge(data,is_null,left_index = True, right_index = True, how = 'outer')

"""
1.1 缺失值用100填充
"""
data=DataFrame(data.fillna(100))

"""
1.2 对reg_preference_for_trad 的处理  【映射】
    nan=0 境外=1 一线=5 二线=2 三线 =3 其他=4
"""
n=set(data['reg_preference_for_trad'])
dic={}
for i,j in enumerate(n):
    dic[j]=i
data['reg_preference_for_trad'] = data['reg_preference_for_trad'].map(dic)


"""
1.2 对source 的处理  【映射】
"""
n=set(data['source'])
dic={}
for i,j in enumerate(n):
    dic[j]=i
data['source'] = data['source'].map(dic)


"""
1.3 对bank_card_no 的处理  【映射】
"""
n=set(data['bank_card_no'])
dic={}
for i,j in enumerate(n):
    dic[j]=i
data['bank_card_no'] = data['bank_card_no'].map(dic)

"""
1.2 对 id_name的处理  【映射】
"""
n=set(data['id_name'])
dic={}
for i,j in enumerate(n):
    dic[j]=i
data['id_name'] = data['id_name'].map(dic)

"""
1.2 对 time 的处理  【删除】
"""
data.drop(["latest_query_time"],axis=1,inplace=True)
data.drop(["loans_latest_time"],axis=1,inplace=True)

status = data.status
# """=====================================================================================================================
# 4 time时间归一化 小时
# """
# data['time'] = pd.to_datetime(data['time'])
# time_now = data['time'].apply(lambda x:int((x-datetime(2018,11,14,0,0,0)).seconds/3600))
# data['time']= time_now

"""=====================================================================================================================
2 划分训练集和验证集，验证集比例为test_size
"""
print("划分训练集和验证集，验证集比例为test_size")
train, test = train_test_split(data, test_size=0.3, random_state=666)


"""=====================================================================================================================
3 分标签和 训练数据
"""
y_train= train.status
train.drop(["status"],axis=1,inplace=True)

y_test= test.status
test.drop(["status"],axis=1,inplace=True)


print("3 保存特征")
data = (train, test, y_train,y_test)
fp = open(path + 'feature/V1.pkl', 'wb')
pickle.dump(data, fp)
fp.close()

读取特征 进行训练

SVM

import pickle
import time
from  sklearn.svm import LinearSVC
from sklearn.metrics import f1_score,mean_squared_error,r2_score
print("开始......")
t_start = time.time()
path = "E:/MyPython/Machine_learning_GoGoGo/"
"""=====================================================================================================================
1 读取特征
"""
print("0 读取原特征")
f = open(path + 'feature/V1.pkl', 'rb')
train, test, y_train,y_test = pickle.load(f)
f.close()
"""=====================================================================================================================
2 模型训练
"""
print("支持向量机模型训练")
Lin_SVC = LinearSVC()
Lin_SVC.fit(train,y_train)

"""=====================================================================================================================
3 模型预测
"""
y_test_pre = Lin_SVC.predict(test)

"""=====================================================================================================================
4 模型评分
"""
f1 = f1_score(y_test, y_test_pre, average='macro')
print("f1分数：{}".format(f1))
r2 = r2_score(y_test, y_test_pre)
print("f2分数：{}".format(r2))
score = Lin_SVC.score(test, y_test)
print("验证集分数：{}".format(score))

决策树

import pickle
import time
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import f1_score,r2_score
print("开始......")
t_start = time.time()
path = "E:/MyPython/Machine_learning_GoGoGo/"
"""=====================================================================================================================
1 读取特征
"""
print("0 读取特征")
f = open(path + 'feature/V1.pkl', 'rb')
train, test, y_train,y_test = pickle.load(f)
f.close()
"""=====================================================================================================================
2 模型训练
"""
print("决策树模型训练")
DT = DecisionTreeClassifier()
DT.fit(train,y_train)

"""=====================================================================================================================
3 模型预测
"""
y_test_pre = DT.predict(test)

"""=====================================================================================================================
4 决策树模型评分
"""
f1 = f1_score(y_test, y_test_pre, average='macro')
print("f1分数：{}".format(f1))
r2 = r2_score(y_test, y_test_pre)
print("f2分数：{}".format(r2))
score = DT.score(test, y_test)
print("验证集分数：{}".format(score))

评分结果

参考

达观杯项目代码