使用sklearn進行增量學習

sklearn.*****_bayes.bernoullinb

sklearn.linear_model.perceptron

sklearn.linear_model.sgdclassifier

sklearn.linear_model.passiveaggressiveclassifier

regression 

clustering 

decomposition / feature extraction 

def iter_minibatches(data_stream, minibatch_size=1000):

'''迭代器
給定檔案流（比如乙個大檔案），每次輸出minibatch_size行，預設選擇1k行
將輸出轉化成numpy輸出，返回x, y
'''x = 
y = 
cur_line_num = 0
csvfile = file(data_stream, 'rb')
reader = csv.reader(csvfile)
for line in reader:
cur_line_num += 1
if cur_line_num >= minibatch_size:
x, y = np.array(x), np.array(y)  # 將資料轉成numpy的array型別並返回
yield x, y
x, y = , 
cur_line_num = 0
csvfile.close()
# 生成測試檔案
minibatch_test_iterators = iter_minibatches(test_file, minibatch_size=5000)
x_test, y_test = minibatch_test_iterators.next()  # 得到乙份測試檔案

from sklearn.linear_model import sgdclassifier

sgd_clf = sgdclassifier()  # sgdclassifier的引數設定可以參考sklearn官網
minibatch_train_iterators = iter_minibatches(data_part_file, minibatch_size=2000)
for i, (x_train, y_train) in enumerate(minibatch_train_iterators):
# 使用 partial_fit ，並在第一次呼叫 partial_fit 的時候指定 classes
sgd_clf.partial_fit(x_train, y_train, classes=np.array([0, 1]))
print("{} time".format(i))  # 當前次數
print("{} score".format(sgd_clf.score(x_test, y_test)))  # 在測試集上看效果

0 time

0.679 score
1 time
0.6954 score
2 time
0.712 score
3 time
0.7248 score
...57 time
0.745 score
58 time
0.7394 score
59 time
0.7398 score

mini-batch的量不要設定太小，太小的話，需要多迭代幾次才能收斂

使用sklearn進行增量學習

sklearn.bayes.bernoullinb sklearn.linear model.perceptron sklearn.linear model.sgdclassifier sklearn.linear model.passiveaggressiveclassifier regressi...

使用sklearn進行K Means文字聚類

k means演算法 中文名字叫做k 均值演算法，演算法的目的是將n個向量分別歸屬到k個中心點裡面去。演算法首先會隨機選擇k個中心向量，然後通過迭代計算以及重新選擇k個中心向量，使得n個向量各自被分配到距離最近的k中心點，並且所有向量距離各自中心點的和最小。步驟一 在輸入資料集裡面隨機選擇k個向量作...

使用sklearn進行mnist資料集分類

深度之眼 西瓜書課後 import time import matplotlib.pyplot as plt import numpy as np from sklearn.datasets import fetch openml from sklearn.linear model import l...