开始使用 Scikit-learn 进行机器学习分类

开始使用 Scikit-learn 进行机器学习分类

时间戳：21年2022月10日凌晨00:XNUMX
源节点： 1780638
开始使用 Scikit-learn 进行机器学习分类
图片由编辑
 

Scikit-learn 是用 Python 构建的最常用的机器学习库之一。 它的受欢迎程度可归因于其简单且一致的代码结构，这对初学者开发人员很友好。 此外，还提供高水平的支持以及集成第三方功能的灵活性，这使得该库健壮且适合生产。 该库包含多个用于分类、回归和聚类的机器学习模型。 在本教程中，我们将通过各种算法探索多类分类问题。 让我们深入研究并构建我们的 scikit-learn 模型。

pip install scikit-learn

我们将使用 scikit-learn 的数据集模块中可用的“Wine”数据集。 该数据集共有 178 个样本和 3 个类别。 数据集已经过预处理并转换为特征向量，因此我们可以直接使用它来训练我们的模型。

from sklearn.datasets import load_wine X, y = load_wine(return_X_y=True)

我们将保留 67% 的数据用于训练，其余 33% 用于测试。

from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.33, random_state=42
)

 

现在，我们将试验 5 种不同复杂度的不同模型，并在我们的数据集上评估它们的结果。 

model_lr = LogisticRegression()
model_lr.fit(X_train, y_train)
y_pred_lr = model_lr.predict(X_test) print("Accuracy Score: ", accuracy_score(y_pred_lr, y_test))
print(classification_report(y_pred_lr, y_test))

 

输出

Accuracy Score: 0.9830508474576272 precision recall f1-score support 0 1.00 0.95 0.98 21 1 0.96 1.00 0.98 23 2 1.00 1.00 1.00 15 accuracy 0.98 59 macro avg 0.99 0.98 0.98 59
weighted avg 0.98 0.98 0.98 59
model_knn = KNeighborsClassifier(n_neighbors=1)
model_knn.fit(X_train, y_train)
y_pred_knn = model_knn.predict(X_test) print("Accuracy Score:", accuracy_score(y_pred_knn, y_test))
print(classification_report(y_pred_knn, y_test))

 

输出 

Accuracy Score: 0.7796610169491526 precision recall f1-score support 0 0.90 0.78 0.84 23 1 0.75 0.82 0.78 22 2 0.67 0.71 0.69 14 accuracy 0.78 59 macro avg 0.77 0.77 0.77 59
weighted avg 0.79 0.78 0.78 59

 

更改参数“n_neighbors=2”后，我们观察到准确性值下降。 因此，它表明数据足够简单并且可以通过考虑单个邻居实现更好的学习。 

输出 

Accuracy Score: 0.6949152542372882 precision recall f1-score support 0 0.90 0.72 0.80 25 1 0.75 0.69 0.72 26 2 0.33 0.62 0.43 8 accuracy 0.69 59 macro avg 0.66 0.68 0.65 59
weighted avg 0.76 0.69 0.72 59
from sklearn.naive_bayes import GaussianNB model_nb = GaussianNB()
model_nb.fit(X_train, y_train)
y_pred_nb = model_nb.predict(X_test) print("Accuracy Score:", accuracy_score(y_pred_nb, y_test))
print(classification_report(y_pred_nb, y_test))

 

输出

Accuracy Score: 1.0 precision recall f1-score support 0 1.00 1.00 1.00 20 1 1.00 1.00 1.00 24 2 1.00 1.00 1.00 15 accuracy 1.00 59 macro avg 1.00 1.00 1.00 59
weighted avg 1.00 1.00 1.00 59
from sklearn.tree import DecisionTreeClassifier model_dtclassifier = DecisionTreeClassifier()
model_dtclassifier.fit(X_train, y_train)
y_pred_dtclassifier = model_dtclassifier.predict(X_test) print("Accuracy Score:", accuracy_score(y_pred_dtclassifier, y_test))
print(classification_report(y_pred_dtclassifier, y_test))

 

输出

Accuracy Score: 0.9661016949152542 precision recall f1-score support 0 0.95 0.95 0.95 20 1 1.00 0.96 0.98 25 2 0.93 1.00 0.97 14 accuracy 0.97 59 macro avg 0.96 0.97 0.97 59
weighted avg 0.97 0.97 0.97 59

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RandomizedSearchCV def get_best_parameters(): params = { "n_estimators": [10, 50, 100], "max_features": ["auto", "sqrt", "log2"], "max_depth": [5, 10, 20, 50], "min_samples_split": [2, 4, 6], "min_samples_leaf": [2, 4, 6], "bootstrap": [True, False], } model_rfclassifier = RandomForestClassifier(random_state=42) rf_randomsearch = RandomizedSearchCV( estimator=model_rfclassifier, param_distributions=params, n_iter=5, cv=3, verbose=2, random_state=42, ) rf_randomsearch.fit(X_train, y_train) best_parameters = rf_randomsearch.best_params_ print("Best Parameters:", best_parameters) return best_parameters parameters_rfclassifier = get_best_parameters() model_rfclassifier = RandomForestClassifier( **parameters_rfclassifier, random_state=42
) model_rfclassifier.fit(X_train, y_train) y_pred_rfclassifier = model_rfclassifier.predict(X_test) print("Accuracy Score:", accuracy_score(y_pred_rfclassifier, y_test))
print(classification_report(y_pred_rfclassifier, y_test))

 

输出


Best Parameters: {'n_estimators': 100, 'min_samples_split': 6, 'min_samples_leaf': 4, 'max_features': 'log2', 'max_depth': 5, 'bootstrap': True}
Accuracy Score: 0.9830508474576272 precision recall f1-score support 0 1.00 0.95 0.98 21 1 0.96 1.00 0.98 23 2 1.00 1.00 1.00 15 accuracy 0.98 59 macro avg 0.99 0.98 0.98 59
weighted avg 0.98 0.98 0.98 59

 

在这个算法中，我们进行了一些超参数调整以达到最佳精度。 我们定义了一个参数网格，其中包含多个值供每个参数选择。 此外，我们使用随机搜索 CV 算法来搜索模型的最佳参数空间。 最后，我们将获得的参数提供给分类器并训练模型。 

型号 准确性 观察
Logistic回归 98.30% 达到很高的准确性。 模型能够很好地概括测试数据集。
K最近邻居 77.96% 该算法无法很好地学习数据表示。
朴素贝叶斯 100% 该模型不太复杂，因此它过度拟合数据以获得绝对精度。
决策树分类器 96.61% 达到不错的准确性。
随机森林分类器 98.30% 作为一种基于集成的方法，它的性能优于决策树。 执行超参数调整使其达到与逻辑回归相似的精度。

在本教程中，我们学习了如何开始在 scikit-learn 中构建和训练机器学习模型。我们实现并评估了一些算法，以对其性能有一个基本的了解。人们总是可以采用先进的特征工程、超参数调整或训练策略来提高性能。要了解有关 scikit-learn 提供的功能的更多信息，请访问官方文档 - scikit-learn 机器学习简介, 使用 scikit-learn 在 Python 中进行机器学习.

 
 
耶沙沙斯特里 是一位充满热情的 AI 开发人员和作家，正在攻读蒙特利尔大学的机器学习硕士学位。 Yesha 热衷于探索负责任的 AI 技术，以解决造福社会的挑战，并与社区分享她的经验教训。
 


有关此主题的更多信息

时间戳记：

更多来自 掘金队