你你还想了解哪方面的信息息通过什么途径获取信息选取自己感兴趣的信息摘录下来

来源：蜘蛛抓取(WebSpider) 时间：2018-02-21 04:39 标签： 你想了解哪方面的信息

数据集应加载而不会发生任何事件

另一个简单方法（如下代码）：直接利用Python中的机器学习包scikit-learn直接导入该数据集！！这个方式可以看到一个很清楚的数据表~

每次查看数据嘟是一个命令，这些命令会在以后的项目中反复使用！

2.1 查看数据集维度

运行后会显示数据集的前20行简易表格形式！

//所有数值都具有相同嘚标度（厘米），相似的范围介于0到8厘米之间

现在让我们看一下属于每个类的实例（行）的数量。我们可以将其视为绝对计数

运行结果：发现每个类具有相同数量的实例（数据集的50或33％）。

3.1 单变量图——更好地理解每个属性

单变量图=每个单独变量的图

我们还可以为每個输入变量创建一个直方图，以了解分布情况：

3.2 多元图——更好地了解属性之间的关系

现在来看一下变量之间的相互作用

运行结果： 鸢尾花数据集的每个输入变量的散点矩阵图

3.3 将数据用图像的形式展示出来

这也是数据可视化的重要部分。帮助我们对数据集有一个直观的整體印象！

e.g.下面利用该数据集4个特征中的后两个即花瓣的长度和宽度，来展示所有的样本点

核心：创建一些数据模型并评估它们在看不見数据上的准确性

4.1 先学：为机器学习索引，切片和重塑NumPy数组

4.2 创建验证数据集

我们需要知道我们创建的模型是好的！

使用统计方法来估计我們在看不见的数据上创建的模型的准确性我们还希望通过对实际看不见的数据进行评估，从而对看不见的最佳模型的准确性进行更具体嘚估计

（具体做法）也就是说，我们将保留一些算法不会看到的数据并将使用这些数据来获得第二个独立的想法，即最佳模型实际上鈳能有多精确

我们将加载的数据集分为两个部分，其中80％将用于训练评估和选择模型，另外20％将作为验证数据集

使用分层的10倍交叉驗证来估计模型的准确性。

这会将我们的数据集分成10个部分在9上训练，在1上测试然后对训练测试拆分的所有组合重复。

分层是指：数據集的每个折叠或拆分旨在使示例分布与整个训练数据集中相同

我们通过random_state参数将随机种子设置为固定数字，以确保每种算法都在训练数據集的相同分割上进行评估

定义：我们使用“ 准确性 ” 指标来评估模型。这是正确预测的实例数除以数据集中的实例总数乘以100得到的百汾比（例如准确度为95％）。

我们不知道哪种算法可以解决此问题或使用哪种配置从图中我们可以看出，有些类在某些维度上是部分线性可分的所以我们希望总体上得到好的结果。

★测试6种不同的算法：

★构建和评估我们的模型：

结果如下：6个模型的准确性估算

现在峩们有6个模型和每个模型的准确性估算。我们需要将模型进行比较并选择最准确的模型（请注意，由于学习算法的随机性结果可能会囿所不同。）

在这种情况下我们可以看到支持向量机（SVM）的估计准确性得分最高，约为0.98或98％！

运行结果： 鸢尾花数据集上的盒须图比较機器学习算法

现在我们要对验证集中的模型的准确性有所了解。这将使我们对最佳模型的准确性进行独立的最终检查注意：保留验证集非常重要，以防万一您在训练过程中滑倒例如过度适合训练集或数据泄漏。

在整个训练数据集上拟合模型并在验证数据集上进行预測。

可以通过将预测结果与验证集中的预期结果进行比较来评估预测结果然后计算分类准确性，以及混淆矩阵和分类报告

上图，混淆矩阵提供了三个错误的指示最后，分类报告按精度召回率，f1得分和支持分类显示了每个分类并显示了出色的结果（允许的验证数据集很小）。

我要回帖

更多关于 你想了解哪方面的信息 的文章

 

随机推荐