3.1 sklearn转换器和估计器
转换器 估计器(estimator)
3.1.1 转换器 —— 特征工程的父类
1 实例化(实例化的是一个转换器(Transformer))
2 调用fit-transform(对于文档建立分类词频矩阵,不能同时调用)
标准化:
(x - mean)/ std
fit_transform()
fit() 计算 每一列的平均值、标准差
transform() (x-mean)/ std 进行最终的转换
3.1.2 估计器(sklearn机器学习算法实现)
估计器(estimator)
1 实例化一个estimator
2 estimator,fit(x_train,y_train)计算
—— 调用完毕 模型生成
3 模型评估
1)直接比对真实值和预测值
y_predict = estimator.predict(x_test)
y_test == y_predict
2)计算准确率
accuracy = estimator.score(x_test,y_test)
什么是K-近邻算法,核心思想:你的临近来推断你的类别
如何确定近邻:距离公式
曼哈顿距离 绝对值距离
明可夫斯基距离
如果k值取的不一样,有什么样的影响
k 值过小 容易受到异常点影响
k 值过大 样本不均衡的影响
使用k-近邻算法需要进行无量纲化处理和标准化处理
优点:简单,易于理解,易于实现,无需训练
缺点:必须指定k值,k值选择不恰当则分类精度不能保证
懒惰算法,对测试样本分类时的计算量大,内存开销大
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_iris():
"""
用KNN算法对鸢尾花进行分类
:return:
"""
# 1)获取数据
iris = load_iris()
# 2)划分数据集
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
# 3)特征工程 标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 4)KNN算法预估器 n_neighbors=3就是值k值
estimator = KNeighborsClassifier(n_neighbors=3)
estimator.fit(x_train, y_train)
# 5)模型评估
# 方法1 直接比对真实值和预测值
y_predict = estimator.predict(x_test)
print("y_predict:\n", y_predict)
print("直接比对真实值和预测值:\n", y_test == y_predict)
# 方法2 计算准确率
score = estimator.score(x_test, y_test)
print("准确率为:\n", score)
return None
if __name__ == "__main__":
# 代码1 用KNN算法对鸢尾花进行分类
knn_iris()
模型选择与调优
- sklearn.model_selection.GridSearchCV(estimator,param_grid=None,cv=None)
- 对估计器的指定参数值进行详尽搜索
- estimator:估计器对象
- param-grid:估计器参数(dict){"n_neighbors":[1,3,5]}
- cv:指定几折交叉验证
- fit():输入训练数据
- score():准确率
- 结果分析:
- 最佳参数:best_params
- 最佳结果:best_score
- 最佳估计器: best_estimator
- 交叉验证结果:cv_results
def knn_iris_gscv():
"""
用knn算法对鸢尾花进行分类,添加网络搜索和交叉验证
:return:
"""
# 1)获取数据
iris = load_iris()
# 2)划分数据集
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
# 3)特征工程 标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 4)KNN算法预估器
estimator = KNeighborsClassifier()
# 加入网络搜索和交叉验证
# 参数准备
param_dict = {"n_neighbors": [3, 5, 7, 9]}
estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
estimator.fit(x_train, y_train)
# 5)模型评估
# 方法1 直接比对真实值和预测值
y_predict = estimator.predict(x_test)
print("y_predict:\n", y_predict)
print("直接比对真实值和预测值:\n", y_test == y_predict)
# 方法2 计算准确率
score = estimator.score(x_test, y_test)
print("准确率为:\n", score)
# 最佳参数:best_params_
print("最佳参数\n", estimator.best_params_)
# 最佳结果:best_score_
print("最佳结果\n", estimator.best_estimator_)
# 最佳估计器: best_estimator_
print("最佳估计器\n", estimator.best_estimator_)
# 交叉验证结果:cv_results_
print("交叉验证结果\n", estimator.cv_results_)
return None