国产化驱动经济自主性与科技创新的未来之路
1045
2022-09-16
监督学习与sklearn库
一、监督学习基础知识
利用一组带有标签的数据,学习从输入到输出的映射,然后将这种映射关系应用到未知数据上,达到分类或回归的目的
分类:当输出是离散的,学习任务为分类任务
回归:当输出是连续的,学习任务为回归任务
二、分类学习
1、输入与输出
输入:一组有标签的训练数据(也称观察和评估),标签表明了这些数据(观察)的所署类别 输出:分类模型根据这些训练数据,训练自己的模型参数,学习出一个适合这组数据的分类器,当有新数据(非训练数据)需要进行类别判断,就可以将这组新数据作为输入送给学好的分类器进行判断
2、分类任务
3、评价
训练集(training set):顾名思义用来训练模型的已标注数据,用来建立模型,发现规律
测试集(testing set):也是已标注数据,通常做法是将标注隐藏,输送给训练好的模型,通过结果与真实标注进行对比,评估模型的学习能力
训练集/测试集的划分方法:根据已有标注数据,随机选出一部分数据(70%)数据作为训练数据,余下的作为测试数据,此外还有交叉验证法,自助法用来评估分类模型
精确率:精确率是针对我们预测结果而言的,(以二分类为例)它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),一种就是把负类预测为正类(FP), 也就是
召回率:是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。那也有两种可能,一种是把原来的正类预测成正类(TP),另一种就是把原来的正类预测为负类(FN),也就是
假设我们手上有60个正样本,40个负样本,我们要找出所有的正样本,分类算法查找出50个,其中只有40个是真正的正样本
TP: 将正类预测为正类数40
FN: 将正类预测为负类数20
FP: 将负类预测为正类数10
TN: 将负类预测为负类数30
准确率(accuracy)= (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision)= TP/(TP+FP)=80%
召回率(recall)=TP/(TP+FN)=66.7%
4、sklearn库
与聚类算法被统一封装在sklearn.cluster模块不同,sklearn库中的分类算法并未被统一封装在一个子模块中,因此对分类算法的import方式各有不同
Sklearn提供的分类函数包括:
k近邻(knn)、朴素贝叶斯(naivebayes)、 支持向量机(svm)、 决策树 (decision tree)、神经网络模型(Neural networks)等,这其中有线性分类器,也有非线性分类器
5、应用
金融:贷款是否批准进行评估
医疗诊断:判断一个肿瘤是恶性还是良性
欺诈检测:判断一笔银行的交易是否涉嫌欺诈
网页分类:判断网页的所属类别,财经或者是娱乐?
三、回归分析
1、基础知识
统计学分析数据的方法,目的在于了解两个或多个变数间是否相关、研究其相关方向与强度,并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助人们了解在自变量变化时因变量的变化量。一般来说,通过回归分析我们可以由给出的自变量估计因变量的条件期望
2、回归任务
3、sklearn库
Sklearn提供的回归函数主要被封装在两个子模块中,分别是sklearn.linear_model和sklearn.preprocessing
sklearn.linear_modlel封装的是一些线性函数,线性回归函数包括有:
普通线性回归函数( LinearRegression )
岭回归(Ridge)
Lasso(Lasso)
非线性回归函数,如多项式回归(PolynomialFeatures)则通过 sklearn.preprocessing子模块进行调用
4、应用
回归方法适合对一些带有时序信息的数据进行预测或者趋势拟合,常用在 金融及其他涉及时间序列分析的领域:
股票趋势预测
交通流量预测
资料来源:《Python机器学习应用》——礼欣,嵩天,北京理工大学,MOOC
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~