Scikit-learn应用指南:监督学习第1部分 -- 分类丨数析学院

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文。百度搜索数析学院
课程简介
分类就是确定所研究的对象属于哪一个类别，分类问题是一个普遍存在的问题。应用广泛，如根据电子邮件的内容判断是否属于垃圾邮件，根据星系的形状对它们进行分类等。本节将主要介绍分类学习算法如何进行分类，以及如何评估分类的效果等。

学习目标

• 了解分类学习算法
• 了解分类学习算法的工作原理
• 了解如何评估分类学习算法
  

1. %matplotlib inline
   
2. import matplotlib.pyplot as plt
   
3. import numpy as np

复制代码

为了可视化机器学习算法的工作原理，研究二维或一维数据，即仅具有一个或两个特征的数据，通常是有帮助的。但在实践中，数据集通常具有更多的特征，很难在二维图形上绘制出高维数据。

我们将先演示一些简单的例子，然后再讨论更多的"现实世界"中的数据集。

首先，我们将从两个维度来考察二分类问题。我们使用make_blobs函数生成的合成数据。

1. from sklearn.datasets import make_blobs
   
2. 
   
3. X, y = make_blobs(centers=2, random_state=0)
   
4. 
   
5. print('X ~ n_samples x n_features:', X.shape)
   
6. print('y ~ n_samples:', y.shape)
   
7. 
   
8. print('\nFirst 5 samples:\n', X[:5, :])
   
9. print('\nFirst 5 labels:', y[:5])

复制代码

由于数据是二维的，我们可以将每个样本绘制成二维坐标系中的一个点，第一个特征是 x 轴，第二个特征是 y 轴。

1. plt.scatter(X[y == 0, 0], X[y == 0, 1],
   
2.             c='blue', s=40, label='0')
   
3. plt.scatter(X[y == 1, 0], X[y == 1, 1],
   
4.             c='red', s=40, label='1', marker='s')
   
5. 
   
6. plt.xlabel('first feature')
   
7. plt.ylabel('second feature')
   
8. plt.legend(loc='upper right');

复制代码

[url=]删除[/url]

分类是监督学习的任务，因此我们对它在未使用到的数据上的表现感兴趣，我们将数据划分为两个部分：

• 用于学习算法拟合模型的训练集
• 用来评估模型泛化性能的测试集
  

model_selection模块中的train_test_split方法为我们做了这样的工作 -- 我们将使用它将数据集划分成 75％ 的训练数据集和 25％ 的测试数据集。

[url=]删除[/url]

1. from sklearn.model_selection import train_test_split
   
2. 
   
3. X_train, X_test, y_train, y_test = train_test_split(X, y,
   
4.                                                     test_size=0.25,
   
5.                                                     random_state=1234,
   
6.                                                     stratify=y)

复制代码

[url=]删除[/url]

每个算法都通过一个''估计器''对象在 scikit-learn 中表现出来（scikit-learn 中的所有模型都有非常一致的接口）。比如，我们首先导入逻辑回归类。

以上内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文。百度搜索数析学院

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：scikit-learn Learn 应用指南 Earn Kit

xiexie louzhu