关于Scikit-learn机器学习的笔记——第四篇

视频教程：【莫烦Python】Scikit-learn (sklearn) 优雅地学会机器学习

在我们获得数据时，需要对数据进行normalization

x1的数据范围更大，x2的数据范围很小，以这样的数值这样进行机器学习会使得结果不准确，所以我们需要经过标准化，再去进行机器学习

程序示例：

from sklearn import preprocessing
import numpy as np

a=np.array([[10,2.7,3.6],
            [-100,5,-2],
            [120,20,40]],dtype=np.float64)##3个features分别是从-100到120，从2.7到20，从-2到40

print(a)##无scale的结果
print(preprocessing.scale(a)) ##有scale之后的结果

输出结果：

[[  10.     2.7    3.6]
 [-100.     5.    -2. ]
 [ 120.    20.    40. ]]
[[ 0.         -0.85170713 -0.55138018]
 [-1.22474487 -0.55187146 -0.852133  ]
 [ 1.22474487  1.40357859  1.40351318]]

很明显的看出来，经过scale的结果会更适合机器学习，因为他的偏差会更小

接下来我们生成一些随机值，用SVM模型寻找超平面
程序示例：

from sklearn import preprocessing
import numpy as np
from sklearn.model_selection import train_test_split##从sklearn数据库导入函数
from sklearn.datasets._samples_generator import make_classification
from sklearn.svm import SVC
import matplotlib.pyplot as plt

X,y=make_classification(n_samples=300,n_features=2,n_redundant=0,n_informative=2,random_state=22,n_clusters_per_class=1,scale=100)
plt.scatter(X[:,0],X[:,1],c=y)
plt.show()

输出结果：

接下来，我们利用SVM去学习，先不进行标准化数据
程序示例：

from sklearn import preprocessing
import numpy as np
from sklearn.model_selection import train_test_split##从sklearn数据库导入函数
from sklearn.datasets._samples_generator import make_classification
from sklearn.svm import SVC
import matplotlib.pyplot as plt

X,y=make_classification(n_samples=300,n_features=2,n_redundant=0,n_informative=2,random_state=22,n_clusters_per_class=1,scale=100)

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=.3)##X,y分为训练数据和测试数据，用traindata去学习，testdata去预测
clf=SVC()
clf.fit(X_train,y_train)##traindata放入模型去学习
print(clf.score(X_test,y_test))##用test去测试他的分数

输出结果：

0.9333333333333333

假如利经过标准化，那我们会得到什么样的结果
程序示范例：

from sklearn import preprocessing
import numpy as np
from sklearn.model_selection import train_test_split##从sklearn数据库导入函数
from sklearn.datasets._samples_generator import make_classification
from sklearn.svm import SVC
import matplotlib.pyplot as plt

X,y=make_classification(n_samples=300,n_features=2,n_redundant=0,n_informative=2,random_state=22,n_clusters_per_class=1,scale=100)

X=preprocessing.scale(X)##进行标准化数据
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=.3)##X,y分为训练数据和测试数据，用traindata去学习，testdata去预测
clf=SVC()
clf.fit(X_train,y_train)##traindata放入模型去学习
print(clf.score(X_test,y_test))##用test去测试他的分数

输出结果：

0.94444444444444

结果分数会高一点，这个分数会随着生成的数值的不同而变化