《机器学习》西瓜数课后题3.4

最新推荐文章于 2024-09-26 20:20:28 发布

Aissen_F

最新推荐文章于 2024-09-26 20:20:28 发布

阅读量446

点赞数 2

CC 4.0 BY-SA版权

分类专栏： learning

本文链接：https://blog.csdn.net/weixin_42152526/article/details/90479694

博主通过Python实现了机器学习课后题3.4，采用梯度下降法对Iris数据集进行训练。10折交叉验证和留一验证结果显示，正确率均较高，表明模型表现良好。

《机器学习》课后题3.4

这次选了梯度下降法，结论就是10折法跟留一法差不多，正确率都挺高的！没有用网上的数据，用了sklearn里面自带的iris花的数据，可能数据比较好，所以出来结果也比较好！

python代码

from math import exp
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris


def create_data():
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['label'] = iris.target
    df.columns = ['sepal length', 'sepal width', 'petal length', 'petal width', 'label']
    data = np.array(df.iloc[:100, [0, 1, -1]])
    # print(data)
    return data[:, :2], data[:, -1]


def tenfolddata(positive_data, negative_data):
    fold_data = []
    for i in range(10):
        pos_temp = positive_data[i * 5: (i+1) * 5].tolist()
        neg_temp = negative_data[i * 5: (i+1) * 5].tolist()
        temp = pos_temp + neg_temp
        fold_data += temp
    return np.array(fold_data)


x, y = create_data()
x_negative = x[:50]
x_positive = x[50:]
x_tenfold_test = tenfolddata(x_positive, x_negative)
y_tenfold_test = np.array([[1]]