分類學習 整合學習

2021-08-14 22:11:41 字數 2026 閱讀 5690

#鐵達尼號沉船事故


#鐵達尼號乘客資料查驗


import pandas as pd         #匯入pandas用於資料分析


titanic = pd.read_csv('')


titanic.head()              #觀察前幾行資料


titanic.info()              #檢視資料的統計特徵


#特徵選取，機器學習很重要的乙個環節


x = titanic[['pclass', 'age', '***']]           #這三個特徵可能決定是否能夠倖免


y = titanic['survived']


x['age'].fillna(x['age'].mean, inplace = true)  #將age特徵缺失行用平均值補充


#資料分割


from sklearn.cross_validation import train_test_split


x_train, x_test, y_train, y_test = train_test_split(x, y, train_size = 0.25, random_state = 33)


#特徵轉換器轉換特徵


from sklearn.feature_extraction import dictvectorizer


vec = dictvectorizer(sparse=false)


x_train = vec.fit_transform(x_train.to_dict(orient='record'))         #將類別型的特徵都單獨剝離出來


x_test = vec.transform(x_test.to_dict(orient='record'))


#決策樹分類器


from sklearn.tree import decisiontreeclassifier


dtc = decisiontreeclassifier()          #初始化分類器


dtc.fit(x_train, y_train)               #訓練分類器


y_predict = dtc.predict(x_test)         #用訓練好的模型進行**


#使用隨機森林進行整合模型訓練


from sklearn.ensemble import randomforestclassifier


rfc = randomforestclassifier()


rfc.fit(x_train, y_train)


y_rfc_predict = rfc.predict(x_test)


#使用梯度提公升決策樹進行整合模型的訓練


from sklearn.ensemble import gradientboostingclassifier


gbc = gradientboostingclassifier()


gbc.fit(x_train, y_train)


y_gbc_predict = gbc.predict(x_test)


#單一決策樹效能分析,輸出分類任務的評價指標，精確度、召回率、f1指標


from sklearn.metrics import classification_report


print('accuracy of decisiontree is :',dtc.score(x_test, y_test))


print(classification_report(y_predict, y_test))


print('accuracy of randomforest is :',rfc.score(x_test, y_test))


print(classification_report(y_rfc_predict, y_test))


print('accuracy of gradientboosting is :',gbc.score(x_test, y_test))


print(classification_report(y_gbc_predict, y_test))

多分類學習

多分類學習的基本思路是拆解法，即將多個二分類任務拆為若干個二分類任務求解。具體地就是，先對問題進行拆分，然後為每個拆分的二分類任務訓練乙個分類器 在測試時，對這些分類器的 結果進行整合以獲得最終的多分類結果。關鍵 多分類任務如何拆分。經典的為 一對一 one vs one,ovo 一對多 one v...

IP分類學習

0.0.0.0 代表的是所有網段也是作為保留網段的。a類 10.0.0.0 to 10.255.255.255 b類 172.16.0.0 to 172.31.255.255 c類 192.168.0.0 to 192.168.255.255 總結如下 a類位址255.0.0.0 8 1 a類位址第...

theano學習之分類學習

from future import print function import numpy as np import theano import theano.tensor as t 該函式功能用來計算準確率 def compute accuracy y target,y predict corr...