机器学习--day3--分类

本次学习将使用mnist数据集，这个数据集是手写的图片，可以从sklearn里面下载数据集。

sklearn里面加载的数据集通常具有类似的字典结构，包括:

data键:包含一个数组，每个实例为一行，每个特征为一例。

target:包括一个带有标记的数组。

等等

可以通过索引来查看每行数值，如

x,y= mnist[″data″]，mnist[″target″]

图片具体的可视化可以看书本p87

查看标签如果是字符，最好改成数字，一般大部分的机器学习算法希望是数字

在深入学习这些数据前，先创建一个测试集，在这个mnist数据集中，已经把💰60000张图片划分为训练集了，最后10000为测试集

训练2分类器，详细可看p88，记住别忘了随机种子

1.性能指标

3.3.1使用交叉验证测量准确率

k-折交叉验证法（cross_val_score），是一个评估模型的好方法

对于分类器来说，准确率一般无法成为分类器的首要性能指标，特别是当你处理有偏数据集时

3.3.2混淆矩阵

评估分类器性能最好的方法是混淆矩阵，总体思路就是统计a类别实例被分成b类的次数。

要计算混淆矩阵，需要先有一组预测才能将其与实际目标进行比较，当然，肯定是通过测试集来进行预测，不过现在不要动他（留在最后），作为替代，可以使用cross_val_predict()函数

3.3.3精度与召回率

一般来说，精度越高，召回率越低

分类的那个阈值越高，精度越高，召回率越低--一般来说

精度：在他预测为正中的总数为分母，分子为预测的结果为正确的

召回率：在所有正确的值为分母，预测正确的值（分子）

详细的可以看下面这个【机器学习】五分钟搞懂如何评价二分类模型！混淆矩阵、召回率、精确率、准确率超简单解释，入门必看！_哔哩哔哩_bilibili

roc曲线的ROC曲线详解_哔哩哔哩_bilibili

今天份学习就到这了