在本文中,我们将使用Python中最流行的机器学习工具Scikit-learn在Python中实现几种机器学习算法。使用简单的数据集来训练分类器以区分不同类型的水果。
本文的目的是确定最适合手头问题的机器学习算法; 因此,我们想要比较不同的算法,选择效果最好的算法。
数据
水果数据集由爱丁堡大学的Iain Murray博士创建。他买了几十个不同品种的桔子、柠檬和苹果,并记录了他们的尺寸。
让我们看一下数据的前几行。
%matplotlib inlineimport pandas as pdimport matplotlib.pyplot as pltfruits = pd.read_table('fruit_data_with_colors.txt')fruits.head()
数据集的每一行表示水果的一个部分,由列表中的几个特征表示。
我们的数据集中有59个水果和7个特征:print(fruits.shape)
(59,7)
我们的数据集中有四种类型的水果:
print(fruits['fruit_name'].unique())
['苹果''橘子(mandarin)''橙子''柠檬']
除橘子外,数据非常平衡。我们必须坚持下去。print(fruits.groupby('fruit_name').size())
import seaborn as snssns.countplot(fruits['fruit_name'],label='Count')plt.show()
可视化每个数字变量的方形图将使我们更清楚地了解输入变量的分布:fruits.drop('fruit_label', axis=1).plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False, figsize=(9,9), title='Box Plot for each input variable')plt.savefig('fruits_box')plt.show()
颜色分数近似于高斯分布。
import pylab as plfruits.drop('fruit_label' ,axis=1).hist(bins=30, figsize=(9,9))pl.suptitle('Histogram for each numeric input variable')plt.savefig('fruits_hist')plt.show()
<