一、分类模型的评估
1、分类模型的评估
(1)准确率
estimator.score() :一般最常见使用的是准确率,即预测结果正确的百分比。
(2)精确率和召回率
2、分类模型评估API
Sklearn.metrics.classification_report
二、模型的选择与调优
1、交叉验证
目的:为了让被评估的模型更加准确可信
交叉验证:将训练集数据分成n等分,将其中一份为验证集,其余为训练集。经过n次测试,得到n组模型结果,然后进行取平均值为最终结果。又称为n折交叉验证。
2、网格搜索
(1)网格搜索也称为超参数搜索,通常情况下,很多参数需要手动指定(如:k-近邻算法中k值),这种参数叫做超参数。但是手动调整参数繁杂,所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证进行评估。最后选出最优参数组合建立模型。
(2)网格搜索API
sklearn.model_selection.GridSearchCV
3、K近邻算法调优
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCV
def knncls():
'''
K-近邻预测用户签到位置(算法调优)
:return: None
'''
# 读取数据
data = pd.read_csv("C:\\Users\\Administrator\\Desktop\\机器学习\\train.csv")
# 处理数据
# 1、缩小数据,查询筛选
data = data.query("x>1.0 & x<1.25 & y>2.5 & y<2.75" )
# 2.转换时间戳
time_value = pd.to_datetime(data['time'],unit='s')
# 把日期格式转换成字典格式
time_value = pd.DatetimeIndex(time_value)
# 构造特征
data['day'] = time_value.day
data['hour'] = time_value.hour
data['weekday'] = time_value.weekday
# 删除原有时间戳特征(按列删除,pandas中用1表示列)
data = data.drop(['time'], axis=1)
# 删除无用row_id
data = data.drop(['row_id'], axis=1)
# 把签到的数量少于n个的目标位置删除
place_count = data.groupby('place_id').count()
tf = place_count[place_count.row_id>3].reset_index()
data = data[data['place_id'].isin(tf.place_id)]
# 取出数据中的目标值和特征值
y = data['place_id']
x = data.drop(['place_id'],axis=1)
# 分割训练集和测试集
x_train,x_test,y_train,y_test = train_test_split(x, y, test_size=0.25)
# 特征工程(标准化)
std = StandardScaler()
# 对测试集合训练集的特征值进行标准化
x_train = std.fit_transform(x_train)
x_test = std.fit_transform(x_test)
# 进行算法流程
# knn = KNeighborsClassifier(n_neighbors=5)
# knn.fit(x_train,y_train)
# # 得到预测结果
# y_predict = knn.predict(x_test)
# print("预测的目标签到位置:",y_predict)
# # 得出准确率
# print("预测的准确率:",knn.score(x_test,y_test))
knn = KNeighborsClassifier()
# 构造一些参数的值进行搜索
param = {'n_neighbors':[3,5,10]}
# 进行网格搜索
gc = GridSearchCV(knn, param_grid=param, cv=2)
gc.fit(x_train, y_train)
print("预测的准确率:", gc.score(x_test, y_test))
print("在交叉验证中最后的验证结果: ",gc.best_score_)
print("选择最好的模型是: ", gc.best_estimator_)
print("每个超参数每次验证的结果: ", gc.cv_results_)
return None