数据显示及训练方法

转自：http://blog.csdn.net/sileixinhua/article/details/70477303

源码地址： https://github.com/sileixinhua/Python_data_science_by_iris

本项目为机器学习的学习笔记 用iris.csv作为数据集 测试了一下功能代码

实验环境：

Windows10

Sublime

Anaconda 1.6.0

Python3.6

1.条状图显示组平均数，可以从图上看出不同的花种类中，他们的属性特点。

[python] view plain copy

1. #条状图显示组平均数，可以从图上看出不同的花种类中，他们的属性特点。  
2. import pandas as pd  
3. from matplotlib import pyplot as plt  
4.   
5. iris_data=pd.read_csv("iris.csv")  
6. #读取数据  
7. grouped_data=iris_data.groupby("species")  
8. #用不同的花的类别分成不同的组，此数据为三组  
9. group_mean=grouped_data.mean()  
10. #求组平均值  
11. group_mean.plot(kind="bar")  
12. plt.legend(loc="upper center",bbox_to_anchor=(0.5,1.2),ncol=2)  
13. plt.show()  
14. #画图  

运行结果

2.画kde图

[python] view plain copy

1. #画kde图  
2. import pandas as pd  
3. from matplotlib import pyplot as plt  
4.   
5. iris_data=pd.read_csv("iris.csv")  
6. iris_data.plot(kind="kde",subplots=True,figsize=(10,6))  
7. plt.show()  

运行结果

3.四种属性特征的平均值 条状图

[python] view plain copy

1. #四种属性特征的平均值 条状图  
2. import pandas as pd  
3. from matplotlib import pyplot as plt  
4.   
5. iris_data=pd.read_csv("iris.csv")  
6. iris_mean=iris_data.mean()  
7. iris_mean.plot(kind="bar",rot=45)  
8. plt.show()  

运行结果

4.用numpy创建随机值，测试，与数据项目无关

[python] view plain copy

1. #用numpy创建随机值，测试，与数据项目无关  
2. import numpy as np  
3. from matplotlib import pyplot as plt  
4.   
5. n,m,s=40,160,10  
6. data=np.random.random(n)*s+m  
7. #print(data)  
8. c,x,_=plt.hist(data,10)  
9. print(c)  
10. print(x)  
11. plt.show()  

运行结果

5.绘制样本图

[python] view plain copy

1. #绘制样本图  
2. import pandas as pd  
3. from matplotlib import pyplot as plt  
4.   
5. iris_data=pd.read_csv("iris.csv")  
6. for name,symbol in zip(("setosa","versicolor","virginica"),("o","s","*")):  
7.     data=iris_data[iris_data["species"]==name]  
8. plt.plot(data["petal_length"],data["petal_width"],symbol)  
9. plt.show()  

运行结果

6.用sqlite3读取数据

[python] view plain copy

1. #用sqlite3读取数据  
2. import sqlite3  
3. con=sqlite3.connect("iris.db")  
4.   
5. cursor=con.execute("SELECT * FROM iris WHERE Species = 'virginica'")  
6. for row in cursor:  
7.     print(rwo[0],rwo[1],rwo[2],rwo[3],rwo[4])  

7.用pandas读取数据

[python] view plain copy

1. #用pandas读取数据  
2. import pandas as pd  
3.   
4. iris_data=pd.read_csv("iris.csv")  
5. print(iris_data.head(5))  

8.用原生Python读取数据

[python] view plain copy

1. #用原生Python读取数据  
2. fp=open("iris.csv","r")  
3. next(fp)  
4. iris_data=[]  
5. for line in fp:  
6.     record = line.strip().split(".")  
7.     iris_data.append(record)  
8. print(iris_data[:5])  

9.用sqlalchemy 读取数据

[python] view plain copy

1. #用sqlalchemy 读取数据  
2. import sqlalchemy  
3.   
4. engine=sqlalchemy.create_engine("sqlite:///iris.db")  
5.   
6. iris_data=pd.read_sql("SELECT * FROM iris",engine)  
7. print(iris_data)  

10.用sklearn的交叉验证 训练数据集

[python] view plain copy

1. #用sklearn的交叉验证 训练数据集  
2. import pandas as pd  
3. from sklearn import cross_validation  
4. from sklearn.neighbors import KNeighborsClassifier  
5.   
6. x=pd.read_csv("iris.csv")  
7. y=x.pop("species")  
8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
9.   
10. scores=cross_validation.cross_val_score(KNeighborsClassifier(3),x,y,cv=5)  
11. mean_score=scores.mean()  
12. print(mean_score)  

运行结果

验证精度为0.97

11.用sklearn的KNN 训练数据集

[python] view plain copy

1. #用sklearn的KNN 训练数据集  
2. import pandas as pd  
3. from sklearn import cross_validation  
4. from sklearn.neighbors import KNeighborsClassifier  
5.   
6. x=pd.read_csv("iris.csv")  
7. y=x.pop("species")  
8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
9.   
10. knn=KNeighborsClassifier(3).fit(x_train,y_train)  
11. for y_pred,y_true in zip(knn.predict(x_test),y_test):  
12.     print(y_pred,y_true)  
13. print(knn.score(x_test,y_test))  

运行结果

验证精度为1.0

12.用sklearn的逻辑斯蒂回归 训练数据集

[python] view plain copy

1. #用sklearn的逻辑斯蒂回归 训练数据集  
2. import pandas as pd  
3. from sklearn import cross_validation  
4. from sklearn.linear_model import LogisticRegression  
5.   
6. x=pd.read_csv("iris.csv")  
7. y=x.pop("species")  
8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
9.   
10. lr=LogisticRegression(multi_class="multinomial",solver="lbfgs").fit(x_train,y_train)  
11. print(lr.predict_proba(x_test))  

运行结果

图上为预测的数据

13.用sklearn的朴素贝叶斯 训练数据集

[python] view plain copy

1. #用sklearn的朴素贝叶斯 训练数据集  
2. import pandas as pd  
3. from sklearn import cross_validation  
4. from sklearn.naive_bayes import GaussianNB  
5.   
6. x=pd.read_csv("iris.csv")  
7. y=x.pop("species")  
8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
9.   
10. gnb=GaussianNB().fit(x_train,y_train)  
11. print(gnb.predict_proba(x_test))  
12. print(gnb.class_prior_)  

运行结果

图上为预测的数据和分组的结果

14.用sklearn的交叉验证 KNN 逻辑蒂斯回归 三种方式 训练数据集 并对比

[python] view plain copy

1. #用sklearn的交叉验证 KNN 逻辑蒂斯回归 三种方式 训练数据集 并对比  
2. import pandas as pd  
3. from sklearn import cross_validation  
4. from sklearn.naive_bayes import GaussianNB  
5. from sklearn.neighbors import KNeighborsClassifier  
6. from sklearn.linear_model import LogisticRegression  
7.   
8. x=pd.read_csv("iris.csv")  
9. y=x.pop("species")  
10. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
11.   
12. models={  
13.     "knn":KNeighborsClassifier(6),  
14.     "gnb":GaussianNB(),  
15.     "lr":LogisticRegression(multi_class="multinomial",solver="lbfgs")  
16. }  
17.   
18. for name,model in models.items():  
19.     score=cross_validation.cross_val_score(model,x,y,cv=5).mean()  
20.     print(name,score)  

运行结果

KNN算法的验证精度为0.98

朴素贝叶斯算法的验证精度为0.95

逻辑斯蒂回归算法的验证精度为0.97

15. 用sklearn的SVM 训练数据集

[python] view plain copy

1. import pandas as pd   
2. from sklearn import svm,metrics,cross_validation  
3.   
4. iris_data=pd.read_csv("iris.csv")  
5.   
6. x=iris_data[["sepal_length","sepal_width","petal_length","petal_width"]]  
7. y=iris_data["species"]  
8.   
9. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
10. clf=svm.SVC()  
11. clf.fit(x_train,y_train)  
12. pre=clf.predict(x_test)  
13.   
14. score=metrics.accuracy_score(y_test,pre)  
15. print(score)  

运行结果

验证精度为0.93

参考文献：

《统计学习方法》

《 Web scraping and machine learning by python》