【机器学习入门】根据年龄和性别判断喜欢的音乐

1. import the data
2. clean the data
3. split the data into Training/Test Sets
4. Create a Model
5. Train the Model
6. Make Predictions
7. Evaluate and Improve

下载 anaconda

import pandas as pd
df = pd.read_csv('vgsales.csv')
df

 

import pandas as pd
df = pd.read_csv('vgsales.csv')
df.shape

 

df.describe()

 

 

 

import pandas as pd
music_data = pd.read_csv('music.csv')
music_data

age gender 为 input set （输入集）
genre 为 output（输出集）

 

import pandas as pd

# 决策树
from sklearn.tree import DecisionTreeClassifier

music_data = pd.read_csv('music.csv')
# X为输入集
X = music_data.drop(columns=['genre'])
y = music_data['genre']

# 训练
model = DecisionTreeClassifier()
model.fit(X,y)

# 预测 21岁的男人和22岁的女人喜欢什么
predictions = model.predict([[21,1],[22,0]])
predictions

测量精确度

import pandas as pd

# 决策树
from sklearn.tree import DecisionTreeClassifier

# 数据分割工具
from sklearn.model_selection import train_test_split

# 精度分数
from sklearn.metrics import accuracy_score

music_data = pd.read_csv('music.csv')
# X为输入集 除了 genre 这一行
X = music_data.drop(columns=['genre'])
y = music_data['genre']

# 分割数据 输入集的训练数据占比80% 测试占比20%
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2)

# 训练
model = DecisionTreeClassifier()
model.fit(X_train,y_train)

# 预测占比20%的输入集的结果为
predictions = model.predict(X_test)

score = accuracy_score(y_test,predictions)

score

多点几次运行会得到不一样的结果，因为每次训练的时候数据拆分是随机的，所以结果有差异性

用的数据越庞大，训练次数越多，准确度越高

例如我这里将测试占比调高为0.8

 

得到一个非常糟糕的结果，简称人工智障

 

训练模型持久化：不能每次判断用户兴趣爱好的时候就启动一次训练模型，太浪费时间，实际环境中有上千万条数据。将训练好的模型保存起来，直接使用

import pandas as pd

# 决策树
from sklearn.tree import DecisionTreeClassifier

# 持久化工具
from sklearn.externals import joblib

# music_data = pd.read_csv('music.csv')
# # X为输入集 除了 genre 这一行
# X = music_data.drop(columns=['genre'])
# y = music_data['genre']

# # 分割数据 输入集的训练数据占比80% 测试占比20%
# X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2)

# # 训练
# model = DecisionTreeClassifier()
# model.fit(X_train,y_train)

# 持久化操作
# joblib.dump(model,'music-recommender.joblib')

# 加载训练模型
model = joblib.load('music-recommender.joblib')

# 预测结果
predictions = model.predict([[21,1]])

predictions

 

可视化模型