ML assignment #1

p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; text-align: center; font: 17.0px "Trebuchet MS"; color: #000000 } p.p2 { margin: 0.0px 0.0px 0.0px 0.0px; font: 16.0px Helvetica; color: #000000 } p.p3 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px Helvetica; color: #000000 } p.p4 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px Helvetica; color: #000000; min-height: 17.0px } span.s1 { } span.s2 { font: 16.0px "Trebuchet MS" } span.Apple-tab-span { white-space: pre }

ML assignment #1

Problem:

implement classification model to train the Iris dataset and make predictions. 

Environment:

Navigator and Jupyter notebook

Language:

python 2.7

Module:

graphlab, matplotlib

Workflow：

1、decision tree using trainset and testset

首先使用graphlab.SFrame.read_csv(“Iris.csv”)導入數據集，然後將數據集，然後將其random split為trainset 和 testset，使用graphlab.decision_tree_classifier.create(train_data,target = target,features = features)

訓練model.該function會自動進行pruning 來防止overfitting.

訓練結果： 

 

 

接著使用model.evaluate()分析預測準確率，準確率結果為：0.9629629629629629

使用model.predict()對testset做出prediction，檢驗訓練模型. 並用 matplotlib畫出confusion matrix.

 

confusion matrix： 

 

 

2、decision tree using K-fold cross validation

首先使用 graphlab.cross_validation.KFold(iris,10)將iris數據集進行10-fold拆分. 然後loop進行模型訓練，計算平均誤差.

最後的平均正確率結果為: 0.926666666667, 更佳符合實際.

 

3、decision using boosting 

graphlab.boosted_trees_classifier.create(train_data,target=target,features=features)

對 train_data用boosting進行訓練，從結果中可以發現，耗時優於上面其他decision tree 算法.

 

 

 

接著使用model.evaluate()分析預測準確率，準確率結果為：0.9629629629629629

使用model.predict()對testset做出prediction，檢驗訓練模型. 並用 matplotlib畫出confusion matrix.

 

4、using random forest   graphlab.random_forest_classifier.create(train_data,target=target,features=features)

對 train_data進行random forest訓練.

結果如下：

會發現耗時較長，效率較差.

 

  

 

Conclusion： 

總共使用了四種方法來對Iris 數據集進行模型訓練，其中1，3，4準確率相等，2略低但更符合test結果.所有的模型的confusion matrix均相同.