# Author: Alexandre Gramfort <alexandre.gramfort@inria.fr>
# License: BSD 3 clause
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sklearn.svm import SVC
# 导入鸢尾花数据 X是特征值,y是标签
iris = datasets.load_iris()
X = iris.data[:, 0:2] # 采取鸢尾花的前两个特征
y = iris.target
# 获取矩阵X的列数
n_features = X.shape[1]
C = 10
"""""
定义了一个径向基函数(Radial Basis Function, RBF)核。
RBF([1.0, 1.0]) 创建了一个具有两个维度的径向基函数核。
这里的 [1.0, 1.0] 是径向基函数核的长度尺度参数,用于控制样本之间的相似性。
这个参数表示数据在不同维度上的尺度差异,这里设置为相同的值。
"""""
kernel = 1.0 * RBF([1.0, 1.0]) # 这个核可以用于高斯过程分类器 (Gaussian Process Classifier)
"""""
生成不同的分类器,用字典形式存储。
参数如C和penalty用于控制模型的正则化程度,
对于penalty:
'l1':使用L1正则化,也称为Lasso正则化。它通过添加L1范数惩罚来迫使模型的系数稀疏化,从而使某些特征的权重变为零。
'l2':使用L2正则化,也称为Ridge正则化。它通过在损失函数中添加L2范数惩罚来减小系数的大小,并对所有特征进行平衡。
solver用于指定用于拟合数据的优化算法,
max_iter用于指定最大的迭代次数等。
"""""
classifiers = {
"L1 logistic": LogisticRegression(
C=C, penalty="l1", solver="saga", multi_class="multinomial", max_iter=10000
),
"L2 logistic (Multinomial)": LogisticRegression(
C=C, penalty="l2", solver="saga", multi_class="multinomial", max_iter=10000
),
"L2 logistic (OvR)": LogisticRegression(
C=C, penalty="l2", solver="saga", multi_class="ovr", max_iter=10000
),
"Linear SVC": SVC(kernel="linear", C=C, probability=True, random_state=0),
"GPC": GaussianProcessClassifier(kernel),
}
# 分类器数
n_classifiers = len(classifiers)
# 设置画板
plt.figure(figsize=(3 * 2, n_classifiers * 2))
plt.subplots_adjust(bottom=0.2, top=0.95)
# 使用了NumPy库中的函数来生成一个网格化的二维数组
xx = np.linspace(3, 9, 100)
yy = np.linspace(1, 5, 100).T # .T表示装置,变成列向量
xx, yy = np.meshgrid(xx, yy) # 两个数组生成两个个网格化的二维数组
# ravel函数将xx和yy的二维数组展平为一维
# np.c_函数按列连接这两个展平后的数组
Xfull = np.c_[xx.ravel(), yy.ravel()]
for index, (name, classifier) in enumerate(classifiers.items()):
classifier.fit(X, y) # 用数据对模型进行训练
# 查看模型准确率
y_pred = classifier.predict(X)
accuracy = accuracy_score(y, y_pred)
print("Accuracy (train) for %s: %0.1f%% " % (name, accuracy * 100))
# 对数据集Xfull进行预测,并返回每个样本属于各个类别的概率。
probas = classifier.predict_proba(Xfull)
# 获取预测结果中的类别数目
n_classes = np.unique(y_pred).size
for k in range(n_classes):
# 子图的选定以及title标注
plt.subplot(n_classifiers, n_classes, index * n_classes + k + 1)
plt.title("Class %d" % k)
# 第一列,打上分类器名字
if k == 0:
plt.ylabel(name)
# imshow(),用于在子图中显示热力图,其中颜色深浅表示不同的数值。
imshow_handle = plt.imshow(
probas[:, k].reshape((100, 100)), extent=(3, 9, 1, 5), origin="lower"
)
# 隐藏xy标注
plt.xticks(())
plt.yticks(())
# 将预测结果为当前类别的样本以白色实心圆的形式标记出来
idx = y_pred == k
if idx.any():
plt.scatter(X[idx, 0], X[idx, 1], marker="o", c="w", edgecolor="k")
ax = plt.axes([0.15, 0.04, 0.7, 0.05])
plt.title("Probability")
plt.colorbar(imshow_handle, cax=ax, orientation="horizontal")
plt.show()
心得:
1.又学会一招,一定网格范围内的不同区域可能属于不同类别,可以考虑使用热力图的方式进行一个概率的标注,使机器学习的结果更好的可视化。
2.sklearn封装的机器学习算法太强大了,对于同一个模型,提供了许多的参数接口,可以随意选择你需要的参数类型,来适当的修改模型。