描述
机器学习库 sklearn 自带鸢尾花分类数据集,分为四个特征和三个类别,其中这三个类别在数据集中分别表示为 0, 1 和 2,请实现 transform_three2two_cate 函数的功能,该函数是一个无参函数,要求将数据集中 label 为 2 的数据进行移除,也就是说仅保留 label 为 0 和为 1 的情况,并且对 label 为 0 和 1 的特征数据进行保留,返回值为 numpy.ndarray 格式的训练特征数据和 label 数据,分别为命名为 new_feat 和 new_label。
然后在此基础上,实现 train_and_evaluate 功能,并使用生成的 new_feat 和 new_label 数据集进行二分类训练,限定机器学习分类器只能从逻辑回归和决策树中进行选择,将训练数据和测试数据按照 8:2 的比例进行分割。
要求输出测试集上的 accuracy_score,同时要求 accuracy_score 要不小于 0.95。
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import f1_score,roc_auc_score,accuracy_score
from sklearn.tree import DecisionTreeClassifier
def transform_three2two_cate():
data = datasets.load_iris()
#其中data特征数据的key为data,标签数据的key为target
#需要取出原来的特征数据和标签数据,移除标签为2的label和特征数据,返回值new_feat为numpy.ndarray格式特征数据,new_label为对应的numpy.ndarray格式label数据
#需要注意特征和标签的顺序一致性,否则数据集将混乱
#code start here
index2=np.where(np.array(data.target)==2)
new_feat = np.delete(data.data, index2, axis = 0)
new_label = np.delete(data.target, index2)
#code end here
return new_feat,new_label
def train_and_evaluate():
data_X,data_Y = transform_three2two_cate()
train_x,test_x,train_y,test_y = train_test_split(data_X,data_Y,test_size = 0.2)
#已经划分好训练集和测试集,接下来请实现对数据的训练
#code start here
dtc =DecisionTreeClassifier(max_depth=3) # 建立决策树模型
dtc.fit(train_x,train_y) # 训练模型
y_predict = dtc.predict(test_x)
#输出{0,1}
# data_X,tar_Y = transform_three2two_cate()
# s=[]
# for i in tar_Y:
# if i not in s:
# s.append(i)
# for j in range(len(s)):
# if j>0:
# a=a+','+str(j)
# else:
# a=str(j)
# print('{{{}}}'.format(a))
#code end here
#注意模型预测的label需要定义为 y_predict,格式为list或numpy.ndarray
print(accuracy_score(y_predict,test_y))
if __name__ == "__main__":
train_and_evaluate()
#要求执行train_and_evaluate()后输出为:
#1、{0,1},代表数据label为0和1
#2、测试集上的准确率分数,要求>0.95
1.import
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import f1_score,roc_auc_score,accuracy_score
from sklearn.tree import DecisionTreeClassifier
首先查看一下数据格式
np.where有两种用法
1.np.where(condition,x,y) 当where内有三个参数时,第一个参数表示条件,当条件成立时where方法返回x,当条件不成立时where返回y
2.np.where(condition) 当where内只有一个参数时,那个参数表示条件,当条件成立时,where返回的是每个符合condition条件元素的坐标,返回的是以元组的形式
————————————————
np.delete(array,obj,axis)
二、函数的意思
array:需要处理的矩阵
obj:需要处理的位置,比如要删除的第一行或者第一行和第二行
axis:
如果输入为None:array会先按行展开,然后按照obj,删除第obj-1(从0开始)位置的数,返回一个行矩阵。
如果输入为0:按行删除
如果输入为1:按列删除
————————————————
DecisionTreeClassifier(class_weight=None, criterion=‘gini’, max_depth=None,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort=False,
random_state=None, splitter=‘best’)