2023面试高手

这个屌丝很懒，什么也没留下！

热门标签

勾八头歌之分类回归聚类

作者：2023面试高手 | 2024-04-01 15:12:38

踩

勾八头歌之分类回归聚类

一、机器学习概述

第1关机器学习概述

B AD B BC

第2关常见分类算法


#编码方式encoding=utf8
 
from sklearn.neighbors import KNeighborsClassifier
 
def knn(train_data,train_label,test_data):
    '''
    input:train_data用来训练的数据
          train_label用来训练的标签
          test_data用来测试的数据
    '''
    #********* Begin *********#开始填补空缺处代码
    knn = KNeighborsClassifier()
    #利用训练数据与标签对模型进行训练
    knn.fit(train_data, train_label)
    #对测试数据类别进行预测
    predict = knn.predict(test_data)
    #********* End *********#结束填补位置
    return predict

第3关常见回归算法


#编码方式encoding=utf8
from sklearn.linear_model import LinearRegression
 
def lr(train_data,train_label,test_data):
    '''
    input:train_data用来训练的数据
          train_label用来训练的标签
          test_data用来测试的数据
    '''
    #********* Begin *********#开始填补空缺处代码
    lr = LinearRegression()
    #利用已知数据与标签对模型进行训练
    lr.fit(train_data, train_label)
    #对未知数据进行预测
    predict = lr.predict(test_data)
    #********* End *********#
    return predict

第4关常见聚类算法


from sklearn.cluster import KMeans 
 
def kmeans(data):
    '''
    input:data需要进行聚类的数据
    '''
    # 假设我们想要将数据聚成3类，这个数字可以根据实际情况调整
    kmeans = KMeans(n_clusters=3, random_state=888)
    # 使用fit_predict一步完成模型训练和预测
    predict = kmeans.fit_predict(data)
    return predict  # 返回聚类结果

第五关实现KNN算法


import numpy as np
 
class kNNClassifier(object):
    def __init__(self, k):
        '''
        初始化函数
        :param k:kNN算法中的k
        '''
        self.k = k
        # 用来存放训练数据，类型为ndarray
        self.train_feature = None
        # 用来存放训练标签，类型为ndarray
        self.train_label = None
 
    def fit(self, feature, label):
        '''
        kNN算法的训练过程
        :param feature: 训练集数据，类型为ndarray
        :param label: 训练集标签，类型为ndarray
        :return: 无返回
        '''
        # 将传入的训练数据和标签保存在对象内部，以便后续的预测使用
        self.train_feature = np.array(feature)
        self.train_label = np.array(label)
 
    def predict(self, feature):
        '''
        kNN算法的预测过程
        :param feature: 测试集数据，类型为ndarray
        :return: 预测结果，类型为ndarray或list
        '''
        def _predict(test_data):
            # 计算测试数据与所有训练数据之间的欧氏距离
            distances = [np.sqrt(np.sum((test_data - vec) ** 2)) for vec in self.train_feature]
            # 获取距离最近的训练数据的索引
            nearest = np.argsort(distances)
            # 选取最近的 k 个邻居
            topK = [self.train_label[i] for i in nearest[:self.k]]
            votes = {}  # 用字典来记录每个类别的投票数
            result = None
 
            max_count = 0  # 用来记录最高票数
            for label in topK:
                if label in votes:
                    votes[label] += 1
                else:
                    votes[label] = 1
                # 更新最高票数和对应的类别
                if votes[label] > max_count:
                    max_count = votes[label]
                    result = label
            return result
 
        # 对测试集中的每个数据进行预测
        predict_result = [_predict(test_data) for test_data in feature]
        return predict_result

二、机器学习—线性回归

第1关简单线性回归与多元线性回归

第2关线性回归的正规方程解


import numpy as np
 
def mse_score(y_predict, y_test):
    '''
    input:y_predict(ndarray):预测值
          y_test(ndarray):真实值
    output:mse(float):mse损失函数值
    '''
    # 计算均方误差
    mse = np.mean((y_predict - y_test) ** 2)
    return mse
 
class LinearRegression:
    def __init__(self):
        '''初始化线性回归模型'''
        self.theta = None
 
    def fit_normal(self, train_data, train_label):
        '''
        input:train_data(ndarray):训练样本
              train_label(ndarray):训练标签
        '''
        # 在训练数据前添加一列1，对应theta0
        X_b = np.hstack([np.ones((len(train_data), 1)), train_data])
        # 使用正规方程求解theta
        self.theta = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(train_label)
 
    def predict(self, test_data):
        '''
        input:test_data(ndarray):测试样本
        '''
        # 在测试数据前添加一列1，对应theta0
        X_b = np.hstack([np.ones((len(test_data), 1)), test_data])
        # 使用模型进行预测
        y_predict = X_b.dot(self.theta)
        return y_predict

第3关衡量线性回归的性能指标


import numpy as np
 
#mse
def mse_score(y_predict, y_test):
    mse = np.mean((y_predict - y_test) ** 2)
    return mse
 
#r2
def r2_score(y_predict, y_test):
    '''
    input:y_predict(ndarray):预测值
          y_test(ndarray):真实值
    output:r2(float):r2值
    '''
    # 计算R2分数
    ss_total = np.sum((y_test - np.mean(y_test)) ** 2)
    ss_residual = np.sum((y_test - y_predict) ** 2)
    r2 = 1 - (ss_residual / ss_total)
    return r2
 
class LinearRegression:
    def __init__(self):
        '''初始化线性回归模型'''
        self.theta = None
 
    def fit_normal(self, train_data, train_label):
        '''
        input:train_data(ndarray):训练样本
              train_label(ndarray):训练标签
        '''
        # 在训练数据前添加一列1，对应theta0
        X_b = np.hstack([np.ones((len(train_data), 1)), train_data])
        # 使用正规方程求解theta
        self.theta = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(train_label)
        return self
 
    def predict(self, test_data):
        '''
        input:test_data(ndarray):测试样本
        '''
        # 在测试数据前添加一列1，对应theta0
        X_b = np.hstack([np.ones((len(test_data), 1)), test_data])
        # 使用模型进行预测
        y_predict = X_b.dot(self.theta)
        return y_predict

第4关scikit-learn线性回归实践 - 波斯顿房价预测


#encoding=utf8
#encoding=utf8
 
#********* Begin *********#
import pandas as pd
from sklearn.linear_model import LinearRegression
 
# 获取训练数据
train_data = pd.read_csv('./step3/train_data.csv')
 
# 获取训练标签
train_label = pd.read_csv('./step3/train_label.csv')
train_label = train_label['target']
 
# 获取测试数据
test_data = pd.read_csv('./step3/test_data.csv')
 
lr = LinearRegression()
 
# 训练模型
lr.fit(train_data, train_label)
 
# 获取预测标签
predict = lr.predict(test_data)
 
# 将预测标签写入csv
df = pd.DataFrame({'result': predict})
df.to_csv('./step3/result.csv', index=False)
 
#********* End *********#

三、机器学习 --- 模型评估、选择与验证

第1关：为什么要有训练集与测试集

第2关欠拟合与过拟合

第3关偏差与方差

第4关验证集与交叉验证

第5关衡量回归性能指标

第6关准确度的陷阱与混淆矩阵


import numpy as np
 
def confusion_matrix(y_true, y_predict):
    '''
    构建二分类的混淆矩阵，并将其返回
    :param y_true: 真实类别，类型为ndarray
    :param y_predict: 预测类别，类型为ndarray
    :return: shape为(2, 2)的ndarray
    '''
 
    # 定义计算混淆矩阵各元素的函数
    def TN(y_true, y_predict):
        return np.sum((y_true == 0) & (y_predict == 0))
 
    def FP(y_true, y_predict):
        return np.sum((y_true == 0) & (y_predict == 1))
 
    def FN(y_true, y_predict):
        return np.sum((y_true == 1) & (y_predict == 0))
 
    def TP(y_true, y_predict):
        return np.sum((y_true == 1) & (y_predict == 1))
 
    # 构建并返回混淆矩阵
    return np.array([
        [TN(y_true, y_predict), FP(y_true, y_predict)],
        [FN(y_true, y_predict), TP(y_true, y_predict)]
    ])

第7关精准率与召回率


import numpy as np
 
def precision_score(y_true, y_predict):
    '''
    计算精准率并返回
    :param y_true: 真实类别，类型为ndarray
    :param y_predict: 预测类别，类型为ndarray
    :return: 精准率，类型为float
    '''
 
    # 定义计算真正例（TP）和假正例（FP）的函数
    def TP(y_true, y_predict):
        return np.sum((y_true == 1) & (y_predict == 1))
 
    def FP(y_true, y_predict):
        return np.sum((y_true == 0) & (y_predict == 1))
 
    # 计算TP和FP
    tp = TP(y_true, y_predict)
    fp = FP(y_true, y_predict)
 
    # 计算精准率并返回
    try:
        return tp / (tp + fp)
    except:
        return 0.0
 
def recall_score(y_true, y_predict):
    '''
    计算召回率并返回
    :param y_true: 真实类别，类型为ndarray
    :param y_predict: 预测类别，类型为ndarray
    :return: 召回率，类型为float
    '''
 
    # 定义计算真正例（TP）和假负例（FN）的函数
    def FN(y_true, y_predict):
        return np.sum((y_true == 1) & (y_predict == 0))
 
    def TP(y_true, y_predict):
        return np.sum((y_true == 1) & (y_predict == 1))
 
    # 计算TP和FN
    tp = TP(y_true, y_predict)
    fn = FN(y_true, y_predict)
 
    # 计算召回率并返回
    try:
        return tp / (tp + fn)
    except:
        return 0.0

第8关F1 Score


import numpy as np
 
def f1_score(precision, recall):
    '''
    计算模型的F1分数并返回
    :param precision: 模型的精准率，类型为float
    :param recall: 模型的召回率，类型为float
    :return: 模型的f1 score，类型为float
    '''
 
    # 计算F1分数
    try:
        return 2 * precision * recall / (precision + recall)
    except:
        return 0.0

第9关ROC曲线与AUC


import numpy as np
 
def calAUC(prob, labels):
    '''
    计算AUC并返回
    :param prob: 模型预测样本为Positive的概率列表，类型为ndarray
    :param labels: 样本的真实类别列表，其中1表示Positive，0表示Negtive，类型为ndarray
    :return: AUC，类型为float
    '''
 
    # 将概率和标签组合并按概率排序
    f = list(zip(prob, labels))
    rank = [values2 for values1, values2 in sorted(f, key=lambda x: x[0])]
    
    # 获取正样本的排名列表
    rankList = [i + 1 for i in range(len(rank)) if rank[i] == 1]
 
    # 计算正负样本的数量
    posNum = sum(labels)
    negNum = len(labels) - posNum
 
    # 根据公式计算AUC
    auc = (sum(rankList) - (posNum * (posNum + 1)) / 2) / (posNum * negNum)
    return auc

第10关sklearn中的分类性能指标


from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score
 
def classification_performance(y_true, y_pred, y_prob):
    '''
    返回准确度、精准率、召回率、f1 Score和AUC
    :param y_true: 样本的真实类别，类型为`ndarray`
    :param y_pred: 模型预测出的类别，类型为`ndarray`
    :param y_prob: 模型预测样本为`Positive`的概率，类型为`ndarray`
    :return: 准确度、精准率、召回率、f1 Score和AUC，类型为tuple
    '''
 
    # 计算并返回各种性能指标
    return accuracy_score(y_true, y_pred), precision_score(y_true, y_pred), recall_score(y_true, y_pred), f1_score(y_true, y_pred), roc_auc_score(y_true, y_prob)

四、聚类性能评估指标

第1关外部指标


import numpy as np
 
def calc_JC(y_true, y_pred):
    '''
    计算并返回JC系数
    :param y_true: 参考模型给出的簇，类型为ndarray
    :param y_pred: 聚类模型给出的簇，类型为ndarray
    :return: JC系数
    '''
 
    def a(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] == y_true[j] and y_pred[i] == y_pred[j]:
                        result += 1
        return result
 
    def b(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] != y_true[j] and y_pred[i] == y_pred[j]:
                        result += 1
        return result
 
    def c(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] == y_true[j] and y_pred[i] != y_pred[j]:
                        result += 1
        return result
 
    return a(y_true, y_pred) / (a(y_true, y_pred) + b(y_true, y_pred) + c(y_true, y_pred))
 
def calc_FM(y_true, y_pred):
    '''
    计算并返回FM指数
    :param y_true: 参考模型给出的簇，类型为ndarray
    :param y_pred: 聚类模型给出的簇，类型为ndarray
    :return: FM指数
    '''
 
    def a(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] == y_true[j] and y_pred[i] == y_pred[j]:
                        result += 1
        return result
 
    def b(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] != y_true[j] and y_pred[i] == y_pred[j]:
                        result += 1
        return result
 
    def c(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] == y_true[j] and y_pred[i] != y_pred[j]:
                        result += 1
        return result
 
    return a(y_true, y_pred) / np.sqrt((a(y_true, y_pred) + b(y_true, y_pred)) * (a(y_true, y_pred) + c(y_true, y_pred)))
 
def calc_Rand(y_true, y_pred):
    '''
    计算并返回Rand指数
    :param y_true: 参考模型给出的簇，类型为ndarray
    :param y_pred: 聚类模型给出的簇，类型为ndarray
    :return: Rand指数
    '''
 
    def a(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] == y_true[j] and y_pred[i] == y_pred[j]:
                        result += 1
        return result
 
    def d(y_true, y_pred):
        result = 0
        for i in range(len(y_true)):
            for j in range(len(y_pred)):
                if i < j:
                    if y_true[i] != y_true[j] and y_pred[i] != y_pred[j]:
                        result += 1
        return result
 
    m = len(y_true)
    return (2 * (a(y_true, y_pred) + d(y_true, y_pred))) / (m * (m - 1))

第2关内部指标


import numpy as np
 
def calc_DBI(feature, pred):
    '''
    计算并返回DB指数
    :param feature: 待聚类数据的特征，类型为`ndarray`
    :param pred: 聚类后数据所对应的簇，类型为`ndarray`
    :return: DB指数
    '''
 
    #********* Begin *********#
    label_set = np.unique(pred)
    mu = {}
    label_count = {}
    
    #计算簇的中点
    for label in label_set:
        mu[label] = np.zeros([len(feature[0])])
        label_count[label] = 0
 
    for i in range(len(pred)):
        mu[pred[i]] += feature[i]
        label_count[pred[i]] += 1
 
    for key in mu.keys():
        mu[key] /= label_count[key]
 
    #算数据到中心点的平均距离
    avg_d = {}
    for label in label_set:
        avg_d[label] = 0
 
    for i in range(len(pred)):
        avg_d[pred[i]] += np.sqrt(np.sum(np.square(feature[i] - mu[pred[i]])))
 
    for key in mu.keys():
        avg_d[key] /= label_count[key]
 
    #算两个簇的中点之间的距离
    cen_d = []
    for i in range(len(label_set)-1):
        t = {'c1':label_set[i], 'c2':label_set[i+1], 'dist':np.sqrt(np.sum(np.square(mu[label_set[i]] - mu[label_set[i+1]])))}
        cen_d.append(t)
 
    dbi = 0
    for k in range(len(label_set)):
        max_item = 0
        for i in range(len(label_set)):
            for j in range(i, len(label_set)):
                for p in range(len(cen_d)):
                    if cen_d[p]['c1'] == label_set[i] and cen_d[p]['c2'] == label_set[j]:
                        d = (avg_d[label_set[i]] + avg_d[label_set[j]])/cen_d[p]['dist']
                        if d > max_item:
                            max_item = d
        dbi += max_item
    dbi /= len(label_set)
    return dbi
    #********* End *********#
 
 
def calc_DI(feature, pred):
    '''
    计算并返回Dunn指数
    :param feature: 待聚类数据的特征，类型为`ndarray`
    :param pred: 聚类后数据所对应的簇，类型为`ndarray`
    :return: Dunn指数
    '''
 
    #********* Begin *********#
    label_set = np.unique(pred)
    min_d = []
    for i in range(len(label_set)-1):
        t = {'c1': label_set[i], 'c2': label_set[i+1], 'dist': np.inf}
        min_d.append(t)
 
    #计算两个簇之间的最短距离
    for i in range(len(feature)):
        for j in range(i, len(feature)):
            for p in range(len(min_d)):
                if min_d[p]['c1'] == pred[i] and min_d[p]['c2'] == pred[j]:
                    d = np.sqrt(np.sum(np.square(feature[i] - feature[j])))
                    if d < min_d[p]['dist']:
                        min_d[p]['dist'] = d
 
    #计算同一个簇中距离最远的样本对的距离
    max_diam = 0
 
    for i in range(len(feature)):
        for j in range(i, len(feature)):
            if pred[i] == pred[j]:
                d = np.sqrt(np.sum(np.square(feature[i] - feature[j])))
                if d > max_diam:
                    max_diam = d
 
    di = np.inf
    for i in range(len(label_set)):
        for j in range(i, len(label_set)):
            for p in range(len(min_d)):
                d = min_d[p]['dist']/max_diam
                if d < di:
                    di = d
    return d

第3关sklearn中的聚类性能评估指标


from sklearn.metrics.cluster import fowlkes_mallows_score, adjusted_rand_score
 
def cluster_performance(y_true, y_pred):
    '''
    返回Rand指数和FM指数
    :param y_true:参考模型的簇划分，类型为`ndarray`
    :param y_pred:聚类模型给出的簇划分，类型为`ndarray`
    :return: Rand指数，FM指数
    '''
 
    #********* Begin *********#
    return fowlkes_mallows_score(y_true, y_pred), adjusted_rand_score(y_true, y_pred)
    #********* End *********#

七、机器学习—逻辑回归

第1关逻辑回归核心思想


#encoding=utf8
import numpy as np
 
def sigmoid(t):
    '''
    完成sigmoid函数计算
    :param t: 负无穷到正无穷的实数
    :return: 转换后的概率值
    :可以考虑使用np.exp()函数
    '''
    # 使用np.exp()函数计算e的t次方，然后除以1加上e的t次方
    return 1 / (1 + np.exp(-t))

第2关逻辑回归的损失函数

A ACD AB D

第3关梯度下降


def gradient_descent(initial_theta, eta=0.05, n_iters=1000, epslion=1e-8):
    '''
    梯度下降
    :param initial_theta: 参数初始值，类型为float
    :param eta: 学习率，类型为float
    :param n_iters: 训练轮数，类型为int
    :param epslion: 容忍误差范围，类型为float
    :return: 训练后得到的参数
    '''
    theta = initial_theta
    i = 0
    while i < n_iters:
        i += 1
        gradient = 2 * (theta - 3)
        if abs(gradient) < epslion:
            break
        theta = theta - eta * gradient
    return theta
 
# 调用梯度下降函数
theta = gradient_descent(initial_theta=0)

后面的暂时不写

前面四个时必须写的其他等我闲了再写

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/2023面试高手/article/detail/349399