说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
分布式时滞表现出独特的空间性质,可模拟在特定时间段内通过一定数量的并行通道/路径分布的信号传播延迟。
分布式时间延迟具有以下两个优点:1)更好地利用更长(更多累积)的种群进化历史,导致更好的准确性和2)更复杂的动力学行为导致捕获局部最优的可能性更小。
本项目通过RODDPSO随机分布式延迟PSO优化算法寻找最优的参数值来优化支持向量机分类模型。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:
数据详情如下(部分展示):
3.数据预处理
3.1用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据:
关键代码:
3.2数据缺失查看
使用Pandas工具的info()方法查看数据信息:
从上图可以看到,总共有9个变量,数据中无缺失值,共1000条数据。
关键代码:
3.3数据描述性统计
通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。
关键代码如下:
4.探索性数据分析
4.1 y变量柱状图
用Matplotlib工具的plot()方法绘制柱状图:
4.2y=1样本x1变量分布直方图
用Matplotlib工具的hist()方法绘制直方图:
4.3相关性分析
从上图中可以看到,数值越大相关性越强,正值是正相关、负值是负相关。
5.特征工程
5.1建立特征数据和标签数据
关键代码如下:
5.2数据集拆分
通过train_test_split()方法按照80%训练集、20%测试集进行划分,关键代码如下:
6.构建RODDPSO随机分布式延迟优化算法优化支持向量机分类模型
主要使用RODDPSO随机分布式延迟优化算法优化SVC算法,用于目标分类。
6.1RODDPSO随机分布式延迟优化算法寻找最优参数值
迭代过程:
适应度曲线图:
最优参数:
6.2最优参数值构建模型
7.模型评估
7.1评估指标及结果
评估指标主要包括准确率、查准率、查全率、F1分值等等。
从上表可以看出,F1分值为0.8431,说明模型效果良好。
关键代码如下:
7.2查看是否过拟合
从上图可以看出,训练集和测试集分值相当,无过拟合现象。
7.3分类报告
从上图可以看出,分类为0的F1分值为0.84;分类为1的F1分值为0.84。
7.4混淆矩阵
从上图可以看出,实际为0预测不为0的 有16个样本;实际为1预测不为1的有16个样本,整体预测准确率良好。
8.结论与展望
综上所述,本文采用了RODDPSO随机分布式延迟优化算法寻找支持向量机SVC算法的最优参数值来构建分类模型,最终证明了我们提出的模型效果良好。此模型可用于日常产品的预测。
# 本次机器学习项目实战所需的资料,项目资源如下:
# 项目说明:
# 链接:https://pan.baidu.com/s/1NhrVqKcPZNQlK-KI-QufQg
# 提取码:l4fr
# 用Pandas工具查看数据
print(df.head())
# 查看数据集摘要
print(df.info())
# 数据描述性统计分析
print(df.describe())
# y变量柱状图
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
# kind='bar' 绘制柱状图
df['y'].value_counts().plot(kind='bar')
plt.xlabel("y变量")
plt.ylabel("数量")
plt.title('y变量柱状图')
plt.show()