python

超轻量级php框架startmvc

深入浅析Python 中的sklearn模型选择

更新时间:2020-08-02 20:30:02 作者:startmvc
1.主要功能如下:1.classification分类2.Regression回归3.Clustering聚类4.Dimensionalityreduction降维5.Models

1.主要功能如下:

1.classification分类 2.Regression回归 3.Clustering聚类 4.Dimensionality reduction降维 5.Model selection模型选择 6.Preprocessing预处理

2.主要模块分类:

1.sklearn.base: Base classes and utility function基础实用函数 2.sklearn.cluster: Clustering聚类 3.sklearn.cluster.bicluster: Biclustering 双向聚类 4.sklearn.covariance: Covariance Estimators 协方差估计 5.sklearn.model_selection: Model Selection 模型选择 6.sklearn.datasets: Datasets 数据集 7.sklearn.decomposition: Matrix Decomposition 矩阵分解 8.sklearn.dummy: Dummy estimators 虚拟估计 9.sklearn.ensemble: Ensemble Methods 集成方法 10.sklearn.exceptions: Exceptions and warnings 异常和警告 11.sklearn.feature_extraction: Feature Extraction 特征抽取 12.sklearn.feature_selection: Feature Selection 特征选择 13。sklearn.gaussian_process: Gaussian Processes 高斯过程 14.sklearn.isotonic: Isotonic regression 保序回归 15.sklearn.kernel_approximation: Kernel Approximation 核 逼近 16.sklearn.kernel_ridge: Kernel Ridge Regression 岭回归ridge 17.sklearn.discriminant_analysis: Discriminant Analysis 判别分析 18.sklearn.linear_model: Generalized Linear Models 广义线性模型 19.sklearn.manifold: Manifold Learning 流形学习 20.sklearn.metrics: Metrics 度量 权值 21.sklearn.mixture: Gaussian Mixture Models 高斯混合模型 22.sklearn.multiclass: Multiclass and multilabel classification 多等级标签分类 23.sklearn.multioutput: Multioutput regression and classification 多元回归和分类 24.sklearn.naive_bayes: Naive Bayes 朴素贝叶斯 25.sklearn.neighbors: Nearest Neighbors 最近邻 26.sklearn.neural_network: Neural network models 神经网络 27.sklearn.calibration: Probability Calibration 概率校准 28.sklearn.cross_decomposition: Cross decomposition 交叉求解 29.sklearn.pipeline: Pipeline 管道 30.sklearn.preprocessing: Preprocessing and Normalization 预处理和标准化 31.sklearn.random_projection: Random projection 随机映射 32.sklearn.semi_supervised: Semi-Supervised Learning 半监督学习 33.sklearn.svm: Support Vector Machines 支持向量机 34.sklearn.tree: Decision Tree 决策树 35.sklearn.utils: Utilities 实用工具

3.数据预处理:

from sklearn import preprocessing

标准化处理函数

将数据转化为标准正态分布(均值为0,方差为1)

preprocessing.scale(X,axis=0, with_mean=True, with_std=True, copy=True)

将数据在缩放在固定区间,默认缩放到区间 [0, 1]

preprocessing.minmax_scale(X,feature_range=(0, 1), axis=0, copy=True)

数据的缩放比例为绝对值最大值,并保留正负号,即在区间 [-1.0, 1.0] 内。唯一可用于稀疏数据 scipy.sparse的标准化 preprocessing.maxabs_scale(X,axis=0, copy=True)

通过 Interquartile Range (IQR) 标准化数据,即四分之一和四分之三分位点之间 preprocessing.robust_scale(X,axis=0, with_centering=True, with_scaling=True,copy=True)

标准化正态分布类

基于mean和std的标准化


 classpreprocessing.StandardScaler(copy=True, with_mean=True,with_std=True)
 # 属性:
 # scale_:ndarray,缩放比例
 # mean_:ndarray,均值
 # var_:ndarray,方差
 # n_samples_seen_:int,已处理的样本个数,调用partial_fit()时会累加,调用fit()会重设
 # 这里可以根据训练集进行标准化,测试集沿用训练集的标准化方法!
 scaler = preprocessing.StandardScaler().fit(train_data)
 scaler.transform(train_data)
 scaler.transform(test_data)
 # 将每个特征值归一化到一个固定范围
 scaler = preprocessing.MinMaxScaler(feature_range=(0, 1)).fit(train_data)
 scaler.transform(train_data)
 scaler.transform(test_data)

将数据在缩放在固定区间的类,默认缩放到区间 [0, 1]


classpreprocessing.MinMaxScaler(feature_range=(0, 1),copy=True):
 # 属性:
 # min_:ndarray,缩放后的最小值偏移量
 # scale_:ndarray,缩放比例
 # data_min_:ndarray,数据最小值
 # data_max_:ndarray,数据最大值
 # data_range_:ndarray,数据最大最小范围的长度

数据的缩放比例为绝对值最大值,并保留正负号,即在区间 [-1.0, 1.0] 内。可以用于稀疏数据scipy.sparse


classpreprocessing.MaxAbsScaler(copy=True):
 # 属性:
 # scale_:ndarray,缩放比例
 # max_abs_:ndarray,绝对值最大值
 # n_samples_seen_:int,已处理的样本个数

通过 Interquartile Range (IQR) 标准化数据,即四分之一和四分之三分位点之间


classpreprocessing.RobustScaler(with_centering=True,with_scaling=True, copy=True):
 # 属性:
 # center_:ndarray,中心点
 # scale_:ndarray,缩放比例

生成 kernel 矩阵,用于将 svm kernel 的数据标准化

classpreprocessing.KernelCenterer:

以上几个标准化类的方法:

fit(X[,y]):根据数据 X 的值,设置标准化缩放的比例 transform(X[,y, copy]):用之前设置的比例标准化 X fit_transform(X[, y]):根据 X设置标准化缩放比例并标准化 partial_fit(X[,y]):累加性的计算缩放比例 inverse_transform(X[,copy]):将标准化后的数据转换成原数据比例 get_params([deep]):获取参数 set_params(**params):设置参数

正则化

# 计算两个样本的相似度时必不可少的一个操作,就是正则化。其思想是:首先求出样本的p-范数,然后该样本的所有元素都要除以该范数,这样最终使得每个样本的范数都为1。 # L1 norm 是指对每个样本的每一个元素都除以该样本的L1范数. 使行和为1


 # eg. 0.47619048 = 10 /(10+4+5+2)
 X = np.array([[10,4,5,2], [1,4,5,7]])
 X_normalized = preprocessing.normalize(X, norm='l1')
 X_normalized 
 array([[ 0.47619048, 0.19047619, 0.23809524, 0.0952381 ],
 [ 0.05882353, 0.23529412, 0.29411765, 0.41176471]])

 #L2 norm 是指对每个样本的每一个元素都除以该样本的L2范数. 
 # eg. 0.4 = 1/sqrt(1+1+4)
 X = [[ 1., -1., 2.],
 [ 2., 0., 0.],
 [ 0., 1., -1.]]
 X_normalized = preprocessing.normalize(X, norm='l2')

 X_normalized 
 array([[ 0.40, -0.40, 0.81],
 [ 1. , 0. , 0. ],
 [ 0. , 0.70, -0.70]])

4.数据集:

将数据集分为训练集和测试集


from sklearn.mode_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# arrays:样本数组,包含特征向量和标签

# test_size:
#  float-获得多大比重的测试样本 (默认:0.25)
#  int - 获得多少个测试样本
# train_size: 同test_size

# random_state: int - 随机种子(种子固定,实验可复现)
  
# shuffle - 是否在分割之前对数据进行洗牌(默认True)

5.模型选择:

模型流程:


# 拟合模型
model.fit(X_train, y_train)

# 模型预测
model.predict(X_test)

# 获得这个模型的参数
model.get_params()

# 为模型进行打分
model.score(data_X, data_y) 

线性回归


from sklearn.linear_model import LinearRegression
 # 定义线性回归模型
 model = LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)
 """
 fit_intercept:是否计算截距。False-模型没有截距

 normalize: 当fit_intercept设置为False时,该参数将被忽略。 如果为真,则回归前的回归系数X将通过减去平均值并除以l2-范数而归一化。

 n_jobs:指定线程数
 """

逻辑回归


from sklearn.linear_model import LogisticRegression
 # 定义逻辑回归模型
 model = LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, 
 fit_intercept=True, intercept_scaling=1, class_weight=None, 
 random_state=None, solver='liblinear', max_iter=100, multi_class='ovr', 
 verbose=0, warm_start=False, n_jobs=1)

 """
 penalty:使用指定正则化项(默认:l2)
 dual: n_samples > n_features取False(默认)
 C:正则化强度的反,值越小正则化强度越大
 n_jobs: 指定线程数
 random_state:随机数生成器
 fit_intercept: 是否需要常量
 """

朴素贝叶斯


from sklearn import naive_bayes
 model = naive_bayes.GaussianNB() 
 model = naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)
 model = naive_bayes.BernoulliNB(alpha=1.0, binarize=0.0, fit_prior=True, class_prior=None)
 """

 alpha:平滑参数
 fit_prior:是否要学习类的先验概率;false-使用统一的先验概率
 class_prior: 是否指定类的先验概率;若指定则不能根据参数调整
 binarize: 二值化的阈值,若为None,则假设输入由二进制向量组成
 """

决策树


from sklearn import tree 
 model = tree.DecisionTreeClassifier(criterion='gini', max_depth=None, 
 min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, 
 max_features=None, random_state=None, max_leaf_nodes=None, 
 min_impurity_decrease=0.0, min_impurity_split=None,
 class_weight=None, presort=False)
 """
 criterion :特征选择准则gini/entropy
 max_depth:树的最大深度,None-尽量下分
 min_samples_split:分裂内部节点,所需要的最小样本树
 min_samples_leaf:叶子节点所需要的最小样本数
 max_features: 寻找最优分割点时的最大特征数
 max_leaf_nodes:优先增长到最大叶子节点数
 min_impurity_decrease:如果这种分离导致杂质的减少大于或等于这个值,则节点将被拆分。
 """

支持向量机SVM


 from sklearn.svm import SVC
 model = SVC(C=1.0, kernel='rbf', gamma='auto')
 """
 C:误差项的惩罚参数C
 gamma: 核相关系数。浮点数,If gamma is ‘auto' then 1/n_features will be used instead.
 """

knn最近邻算法


 from sklearn import neighbors
 #定义kNN分类模型
 model = neighbors.KNeighborsClassifier(n_neighbors=5, n_jobs=1) # 分类
 model = neighbors.KNeighborsRegressor(n_neighbors=5, n_jobs=1) # 回归
 """
 n_neighbors: 使用邻居的数目
 n_jobs:并行任务数
 """

多层感知器


 from sklearn.neural_network import MLPClassifier
 # 定义多层感知机分类算法
 model = MLPClassifier(activation='relu', solver='adam', alpha=0.0001)
 """
 hidden_layer_sizes: 元祖
 activation:激活函数
 solver :优化算法{‘lbfgs', ‘sgd', ‘adam'}
 alpha:L2惩罚(正则化项)参数。
 """

交叉验证


 from sklearn.model_selection import cross_val_score
 cross_val_score(model, X, y=None, scoring=None, cv=None, n_jobs=1)
 """
 model:拟合数据的模型
 cv : k-fold
 scoring: 打分参数-‘accuracy'、‘f1'、‘precision'、‘recall' 、‘roc_auc'、'neg_log_loss'等等
 """

检验曲线


from sklearn.model_selection import validation_curve
 train_score, test_score = validation_curve(model, X, y, param_name, param_range, cv=None, scoring=None, n_jobs=1)
 """
 model:用于fit和predict的对象
 X, y: 训练集的特征和标签
 param_name:将被改变的参数的名字
 param_range: 参数的改变范围
 cv:k-fold

 """

6.模型保存:


 # 保存为pickle文件
 import pickle

 # 保存模型
 with open('model.pickle', 'wb') as f:
 pickle.dump(model, f)

 # 读取模型
 with open('model.pickle', 'rb') as f:
 model = pickle.load(f)
 model.predict(X_test)

 # sklearn自带方法joblib
 from sklearn.externals import joblib
 # 保存模型
 joblib.dump(model, 'model.pickle')
 #载入模型
 model = joblib.load('model.pickle')

总结

以上所述是小编给大家介绍的Python sklearn模型选择,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持! 如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

Python 模型选择 Python sklearn