机器学习之典型监督学习方法分类---代码

知识盲盒

---

**续前文：** [机器学习之典型监督学习方法分类实践与比较分析](https://blog.csdn.net/weixin_48785707/article/details/109585890) 

简介：

采用有监督学习的方法，如：线性回归、贝叶斯分类器、逻辑回归、K近邻算法、SVM、Adaboost、KNN、决策树、随机森林等实现对同一数据集的分类任务。

分类（Classification）指的是从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类的分析方法。

本文简化了官网案例 Classifier comparison ,采用了K近邻, 线性 SVM 和朴素贝叶斯三种算法并对代码做了详细说明。

所用算法：
（1）K 近邻算法（KNN 算法）由 Thmos等人在 1967 年提出。
它基于以下思想：
要确定一个样本的类别，可以计算它的所有训练样本的距离，然后找出和该样本最接近的 k 个样本，统计这些样本的类别进行投票，票数最多的那个类就是分类结果。

（2）支持向量机由 Vapnik 等人提出，在出现后的二十多年里它是最具有影响力的机器学习算法之一。支持向量机不仅可以用于分类问题，还可以用于回归问题。它具有泛化性能好，适合小样本和高维特征等优点。

（3）贝叶斯公式描述了两个相关的随机事件或变量之间的概率关系。贝叶斯分类器使用贝叶斯公式计算样本属于某一类的条件概率值，并将样本判定为概率值最大的那个类。朴素贝叶斯分类器假设特征向量的分量之间相互独立，这种假设简化了问题求解的难度。

准备：
（1） Python 3.8
（2） Pycharm 2020.3
（3） Windows 10
（4） 通过pip3 install numpy, matplotlib 在cmd 中安装 numpy, matplotlib, 分别用于数据处理和画图
（5） 通过pip3 install sklearn 在 cmd 中 提前安装 sklearn
Sklearn 是Scikit-learn的简称，一个开源的机器学习库，支持有监督和无监督的学习。 还提供了用于模型拟合，数据预处理，模型选择和评估以及许多其他实用程序的各种工具。

上代码：

print(__doc__)
# 导入所需要的函数和库
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

# 用于生成各种颜色
from sklearn.model_selection import train_test_split

# 将数组或矩阵拆分为随机训练和测试子集
from sklearn.preprocessing import StandardScaler

# 通过去除均值并缩放到单位方差来标准化特征
from sklearn.datasets import make_moons, make_circles, make_classification

# make_moons 做两个交错的半圈
# make_circles 制作一个二维的包含较小圆圈的大圆圈
# make_classification 生成随机的n类分类问题
from sklearn.neighbors import KNeighborsClassifier  # K近邻方法
from sklearn.svm import SVC  # 支持向量分类
from sklearn.naive_bayes import GaussianNB  # 高斯朴素贝叶斯

# 解决中文乱码问题
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

h = 0.02  # 网格中的步长
# 注意和下面的分类器部分对应
names = ["K近邻", "线性 SVM", "朴素贝叶斯"]
# 所采用的分类方法
classifiers = [KNeighborsClassifier(3), SVC(kernel="linear", C=0.025), GaussianNB()]
# X为样本特征，y为样本类别输出，
# 每个样本2个特征，输出有1个类别，没有冗余特征，每个类别一个簇
X, y = make_classification(
    n_features=2, n_redundant=0, n_informative=2, random_state=1, n_clusters_per_class=1)
rng = np.random.RandomState(2)
X += 2 * rng.uniform(size=X.shape)
linearly_separable = (X, y)
# 创建数据集，定义核函数的选择
datasets = [
    make_moons(noise=0.3, random_state=0),
    make_circles(noise=0.2, factor=0.5, random_state=1),
    linearly_separable]

figure = plt.figure(figsize=(27, 9))
i = 1
# 第一层循环：在不同的数据集中循环
for ds_cnt, ds in enumerate(datasets):
    # 预处理数据集，分为训练和测试部分
    X, y = ds
    X = StandardScaler().fit_transform(X)
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.4, random_state=42)
    # 确认边界 一次性使用最大值和最小值来生成网格
    # 表示为[起始值：结束值：步长]
    x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
    y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5
    # 生成随机数据来做测试集，然后做预测
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

    # 先绘制数据集
    cm = plt.cm.RdBu  # 填充等高线不同区域的颜色
    cm_bright = ListedColormap(["#FF0000", "#0000FF"])
    ax = plt.subplot(len(datasets), len(classifiers) + 1, i)
    if ds_cnt == 0:
        ax.set_title("输入的数据")
    # 绘制数据点
    ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright, edgecolors="k")
    # 绘制测试点
    ax.scatter(
        X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright, alpha=0.6, edgecolors="k")
    ax.set_xlim(xx.min(), xx.max())
    ax.set_ylim(yy.min(), yy.max())
    ax.set_xticks(())
    ax.set_yticks(())
    i += 1

    # 第二层循环，在不同的分类器中循环  并构建子图，进行子图循环
    for name, clf in zip(names, classifiers):
        # 定义子图位置，从第一列，第二个开始
        ax = plt.subplot(len(datasets), len(classifiers) + 1, i)
        # 建模
        clf.fit(X_train, y_train)
        score = clf.score(X_test, y_test)

        # 绘制决策边界，并为每个类分配一种颜色
        # 点在网格[x_min，x_max] x[y_min，y_max]中
        if hasattr(clf, "decision_function"):
            Z = clf.decision_function(
                np.c_[xx.ravel(), yy.ravel()]
            )  # 连接xx,yy .ravel扁平化/降维，原地操作
        else:
            Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]  # np.c_，类似于np.vstack的功能

        # 将结果放入颜色图
        # 画出测试集数据，扁平化后形状改变
        Z = Z.reshape(xx.shape)
        ax.contourf(xx, yy, Z, cmap=cm, alpha=0.8)

        # 绘制训练点，图像本身分布的散点图
        ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright, edgecolors="k")
        # 绘制测试点，图像本身分布的散点图
        ax.scatter(X_test[:, 0],
            X_test[:, 1],
            c=y_test,
            cmap=cm_bright,
            edgecolors="k",
            alpha=0.6)

        ax.set_xlim(xx.min(), xx.max())
        ax.set_ylim(yy.min(), yy.max())
        # 设置坐标轴不显示
        ax.set_xticks(())
        ax.set_yticks(())
        # 将标题放在第一行的上面
        if ds_cnt == 0:
            ax.set_title(name)
        # 为每张图添加分类的分数
        ax.text(
            xx.max() - 0.3,
            yy.min() + 0.3,
            ("%.2f" % score).lstrip("0"),
            size=15,
            horizontalalignment="right",
        )  # 图位于坐标轴的右边
        i += 1

plt.tight_layout()
plt.show()
print("Done!")

结果：