python 分类器有哪些_机器学习入门之python机器学习之分类器

本文主要向大家介绍了机器学习入门之python机器学习之分类器，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。 简单分类器

1 import numpy as np

2 import matplotlib.pyplot as mp

3 x = np.array([

4     [3, 1],

5     [2, 5],

6     [1, 8],

7     [6, 4],

8     [5, 2],

9     [3, 5],

10     [4, 7],

11     [4, -1]])

12 y = np.array([0, 1, 1, 0, 0, 1, 1, 0])

13

14 # X[:,0]是numpy中数组的一种写法，表示对一个二维数组，取该二维数组第一维中的所有数据，第二维中取第0个数据，直观来说，X[:,0]就是取所有行的第0个数据,

15 # X[:,1] 就是取所有行的第1个数据。

16 l, r, h = x[:, 0].min() - 1, x[:, 0].max() + 1, 0.005

17 b, t, v = x[:, 1].min() - 1, x[:, 1].max() + 1, 0.005

18 # meshgrid()根据传入的两个一维数组参数生成两个数组元素的列表

19 grid_x = np.meshgrid(np.arange(l, r, h), np.arange(b, t, v))

20 # 做列拼接

21 # np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等，类似于pandas中的merge()

22 flat_x = np.c_[grid_x[0].ravel(), grid_x[1].ravel()]

23 flat_y = np.zeros(len(flat_x), dtype=int)

24

25 flat_y[flat_x[:, 0] 

26 grid_y = flat_y.reshape(grid_x[0].shape)

27

28

29 mp.figure(‘Simple Classfication‘, facecolor=‘lightgray‘)

30 mp.title(‘Simple Classfication‘, fontsize=20)

31 mp.xlabel(‘x‘, fontsize=14)

32 mp.ylabel(‘y‘, fontsize=14)

33 mp.tick_params(labelsize=10)

34 # 用颜色绘制网格

35 mp.pcolormesh(grid_x[0], grid_x[1], grid_y, cmap=‘gray‘)

36 mp.scatter(x[:, 0], x[:, 1], c=y, cmap=‘brg‘, s=60)

37 mp.show()

简单分类

逻辑分类

J(k1,k2,b) = sigma(-ylog(y‘)-(1-y)log(1-y‘))/m +m正则函数(||k1,k2,b||)x正则强度

接口：

sklearn.linear_model.LogisticRegression(solver=‘liblinear‘, C=正则强度)

1 import numpy as np

2 import sklearn.linear_model as lm

3 import matplotlib.pyplot as mp

4 x = np.array([

5     [4, 7],

6     [3.5, 8],

7     [3.1, 6.2],

8     [0.5, 1],

9     [1, 2],

10     [1.2, 1.9],

11     [6, 2],

12     [5.7, 1.5],

13     [5.4, 2.2]])

14 y = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])

15 # 创建逻辑分类器

16 model = lm.LogisticRegression(solver=‘liblinear‘,

17                               C=1000)

18 model.fit(x, y)

19 l, r, h = x[:, 0].min() - 1, x[:, 0].max() + 1, 0.005

20 b, t, v = x[:, 1].min() - 1, x[:, 1].max() + 1, 0.005

21 grid_x = np.meshgrid(np.arange(l, r, h),

22                      np.arange(b, t, v))

23 flat_x = np.c_[grid_x[0].ravel(), grid_x[1].ravel()]

24 flat_y = model.predict(flat_x)

25 grid_y = flat_y.reshape(grid_x[0].shape)

26 mp.figure(‘Logistic Classification‘,

27           facecolor=‘lightgray‘)

28 mp.title(‘Logistic Classification‘, fontsize=20)

29 mp.xlabel(‘x‘, fontsize=14)

30 mp.ylabel(‘y‘, fontsize=14)

31 mp.tick_params(labelsize=10)

32 mp.pcolormesh(grid_x[0], grid_x[1], grid_y, cmap=‘gray‘)

33 mp.scatter(x[:, 0], x[:, 1], c=y, cmap=‘brg‘, s=60)

34 mp.show()

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！