机器学习学习记录贴

一、机器学习入门——简单线性回归 （柑橘与柠檬啊

项目链接：https://www.heywhale.com/mw/project/5a66c1cd75dc1d5eca320c48

#加载库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#建立数据集
from collections import OrderedDict
examDict={
    '学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,
            2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],
    '分数':    [10,  22,  13,  43,  20,  22,  33,  50,  62,  
              48,  55,  75,  62,  73,  81,  76,  64,  82,  90,  93]
}
examOrderDict=OrderedDict(examDict)
exam=pd.DataFrame(examOrderDict)

• collections
  Python collections 包提供了好多集合模块

• OrderedDict
  OrderedDict 和 dict 基本一样，唯一的不同是 dict 没有保存键值对的先后顺序，而 OrderedDict 保存了键值对的先后顺序

• collections 说明链接：https://blog.csdn.net/shangboerds/article/details/82177181

#通过画图判断是否相关性
#从dataframe中把标签和特征导出来
exam_X = exam['学习时间']
exam_Y = exam['分数']

#绘制散点图
plt.scatter(exam_X, exam_Y, color = 'green')
#设定X,Y轴标签和title
plt.ylabel('scores')
plt.xlabel('times')
plt.title('exam data')
plt.show()

#分割数据，一个train 一个test
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(exam_X,
                                                    exam_Y, 
                                                    train_size = 0.8)
#这里可以简单的看一下分割后的结果
X_train.head()
X_train.shape
#可以发现训练集是16行一列的数据，测试集是四行一列，符合切分比例

• sklearn使用教程
  https://www.jianshu.com/p/6ada34655862
  sklearn官方：https://scikit-learn.org/stable/
  讲解简洁： https://blog.csdn.net/u014248127/article/details/78885180
• train_test_split函数：
  可以在样本数据集中随机的选取测试集与训练集，随机客观的划分数据，减少人为因素
  完整模板：
  train_X,test_X,train_y,test_y =train_test_split(train_data,train_target,test_size=0.3,random_state=5)
  参数解释：
  **train_data：**待划分样本数据
  **train_target：**待划分样本数据的结果（标签）
  **test_size：**测试数据占样本数据的比例，若整数则样本数量
  **random_state：**设置随机数种子，保证每次都是同一个随机数。若为0或不填，则每次得到数据都不一样

倒入模型

#首先，改变一下数组的形状
X_train = X_train.values.reshape(-1, 1)
X_test = X_test.values.reshape(-1, 1)
#从skl中导入线性回归的模型
from sklearn.linear_model import LinearRegression
#创建一个模型
model = LinearRegression()
#训练一下
model.fit(X_train, Y_train)

• reshape(-1,1)什么意思
  先前我们不知道z的shape属性是多少，但是想让z变成只有一列，行数不知道多少，通过z.reshape(-1,1)，Numpy自动计算出有12行，新的数组shape属性为(16, 1)，与原来的(4, 4)配套。
  https://blog.csdn.net/wld914674505/article/details/80460042

• linearRegression模型：
  https://blog.csdn.net/walk_power/article/details/82924363

#因为线性回归一般方程为y = a+bx
#b为斜率，a为截距
#截距用intercept_方法获得
#斜率用model.coef_方法获得
a = model.intercept_
b = model.coef_
a = float(a)
b = float(b)
print('该模型的简单线性回归方程为y = {} + {} * x'.format(a, b))

评估模型

#绘制散点图
plt.scatter(exam_X, exam_Y, color = 'green', label = 'train data')
#设定X,Y轴标签和title
plt.ylabel('scores')
plt.xlabel('times')

#绘制最佳拟合曲线
Y_train_pred = model.predict(X_train)
plt.plot(X_train, Y_train_pred, color = 'black', label = 'best line')

#来个图例
plt.legend(loc = 2)

plt.show()

计算R^2

model.score(X_test, Y_test)

二、机器学习入门之逻辑回归分类
https://www.heywhale.com/mw/project/5a69ad00afceb51770d627fb

逻辑回归更好理解
从创建数据集开始

#创见数据集
examDict={
    '学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,
            2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],
    '考试结果':    [0,  0,  0,  0,  0,  0,  0,  0,  1,  
              0,  0,  1,  1,  1,  1,  1,  1,  1,  1,  1]
}
examOrderDict=OrderedDict(examDict)

exam=pd.DataFrame(examOrderDict)

exam.head()

exam_X = exam['学习时间']
exam_Y = exam['考试结果']
#导入包
import matplotlib.pyplot as plt
#绘制散点图
plt.scatter(exam_X, exam_Y, color = 'green')
#设定X,Y轴标签和title
plt.ylabel('scores')
plt.xlabel('times')
plt.title('exam data')
plt.show()

拆分

exam_X = exam['学习时间']
exam_Y = exam['考试结果']
#导入包
import matplotlib.pyplot as plt
#绘制散点图
plt.scatter(exam_X, exam_Y, color = 'green')
#设定X,Y轴标签和title
plt.ylabel('scores')
plt.xlabel('times')
plt.title('exam data')
plt.show()

建模训练

#因为特征只有一个，所以要改变一下数据形状
X_train = X_train.values.reshape(-1, 1)
X_test = X_test.values.reshape(-1, 1)
#导入
from sklearn.linear_model import LogisticRegression
#创建模型
model = LogisticRegression()
#训练
model.fit(X_train, Y_train)

测试

model.score(X_test, Y_test)

model.predict_proba(3)

array([[ 0.2846885, 0.7153115]])
当我们给定输入一个特征的时候，可以返回其概率值，返回的第一个是其为0的概率值，第二个是为1的概率值。根据我们的决策面的结果，也就是x=3时候我们的logistic的函数值就是其为1的概率值。当这个值大于0.5的时候，我们做出决策，认为它的值为1，当这个概率值小于0.5的时候，我们做出决策，认为它的值为0。

在这里，我们发现，这个值为0.715，所以在此模型下，我们做出决策，认为值为1，通过上文我们定义的字典数据，可以发现，我们的决策是正确的。