python机器学习-Python Scikit-Learn

Classification (分类)是预测给定数据点类别的过程。类有时称为目标/标签或类别。分类预测建模是从输入变量 (X) 到离散输出变量 (y) 逼近映射函数 (f) 的任务。

例如，电子邮件服务提供商中的垃圾邮件检测可以识别为分类问题。这是二元分类，因为只有 2 类是垃圾邮件和非垃圾邮件。

一个分类利用一些训练数据，了解给定的输入变量如何与类。在这种情况下，必须使用已知的垃圾邮件和非垃圾邮件作为训练数据。当分类器经过准确训练后，它可以用于检测未知电子邮件。

分类属于监督学习的范畴，其中目标也提供输入数据。在信用审批、医疗诊断、目标营销等许多领域都有许多分类应用。

from sklearn import datasets    
from sklearn.linear_model import LinearRegression    
digits = datasets.load_digits()  #loading the MNIST Digits Database  
    
clf=LinearRegression()   #creating LinearRegression Classifier  

Python Scikit-Learn 函数

1. 加载数据集

Scikit-learn 带有一些标准数据集，例如用于分类的 iris 和数字数据集以及用于回归的波士顿房价数据集。

from sklearn import datasets    
iris = datasets.load_iris()    
digits =  datasets.load_digits()  

上面的代码将 iris 数据集加载到“iris”中，将 MNIST Digits 数据集加载到“digits”中

• ndarray.data我们使用 data 属性来显示加载的数据

print(digits.data)   

以上将导致以下结果：同样，我们可以打印 iris.data

•  ndarray.target我们使用目标属性来显示我们加载的数据集的标签

print(digits.target)    

以上将导致：[0 1 2 … 8 9 8]。同样，我们可以打印iris.target

将数据分解成训练集和测试集

from sklearn import datasets    
from sklearn.model_selection import train_test_split  
digits = datasets.load_digits()  #loading the MNIST Digits Database      
X,y = digits.data, digits.target     
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, random_state=0)  

from sklearn import datasets        
from sklearn.linear_model import LinearRegression        
digits = datasets.load_digits()  #loading the MNIST Digits Database      
        
clf=LinearRegression()  #creating LinearRegression Classifier       
        
X,y = digits.data[:-10], digits.target[:-10]  #selecting the first 10 data and targets      
        
clf.fit(X,y)   #we fitted the given data and targets to form a model  

2.classifier.predict()预测每个样本，通常只将 X 作为输入（但请参阅下面的回归器输出约定）。在分类器或回归器中，该预测位于拟合中使用的相同目标空间中（例如，如果y拟合由这些字符串组成，则为 {‘red’, ‘amber’, ‘green’}之一）。尽管如此，即使y传递给 fit 是一个列表或其他类似数组的，输出也predict应该始终是一个数组或稀疏矩阵。在聚类或异常值检测器中，预测是一个整数。如果尚未拟合估算器，则调用此方法应引发exceptions.NotFittedError.

from sklearn import datasets
from sklearn.linear_model import LinearRegression        
digits = datasets.load_digits()  #loading the MNIST Digits Database      
        
clf=LinearRegression()  #creating LinearRegression Classifier       
        
X,y = digits.data[:-10], digits.target[:-10]  #selecting the first 10 data and targets      
        
clf.fit(X,y)   #we fitted the given data and targets to form a model  
  
clf.predict(X[0].reshape(1,-1)) #we are predicting the output based on the trained model 

4. 性能分析

1.classifier.confusion_matrix()混淆矩阵是一个表格，通常用于描述分类模型（或“分类器”）对一组已知真实值的测试数据的性能。它允许可视化算法的性能。

# Python script for confusion matrix creation.   
from sklearn.metrics import confusion_matrix    
actual = [1, 1, 0, 1, 0, 0, 1, 0, 0, 0]   
predicted = [1, 0, 0, 1, 0, 0, 1, 1, 1, 0]   
results = confusion_matrix(actual, predicted)   
print ('Confusion Matrix :')  
print(results)  

上述代码的输出将是：混淆矩阵：[[4 2] [1 3]]

from sklearn.metrics import accuracy_score  
y_pred = [0, 2, 1, 3]  
y_true = [0, 1, 2, 3]  
accuracy_score(y_true, y_pred)