赞
踩
实训1 使用 sklearn处理wine和wine_quality数据集
实训2 构建基于wine数据集的k- Means聚类模型
实训3 构建基于wine数据集的SVM分类模型
实训4 构建基于wine_quality数据集的回归模型
wine数据集包含来自3种不同起源的葡萄酒的共178条记录。13个属性是葡萄酒的13种化学成分。通过化学分析可以来推断葡萄酒的起源。值得一提的是所有属性变量都是连续变量。
1.训练要点
- 掌握 sklearn转换器的用法。
- 掌握训练集、测试集划分的方法。
- 掌握使用sklearn进行PCA降维的方法。
2.需求说明
- wine数据集和 winequality数据集是两份和酒有关的数据集。wine数据集包含3种 同起源的葡萄酒的记录,共178条。其中,每个特征对应葡萄酒的每种化学成分,并且都 属于连续型数据。通过化学分析可以推断葡萄酒的起源。
- winequality数据集共有4898个观察值,11个输入特征和一个标签。其中,不同类的
观察值数量不等,所有特征为连续型数据。通过酒的各类化学成分,预测该葡萄酒的评分3.实现思路及步骤
- 使用pandas库分别读取wine数据集和 winquality数据集
- 将wine数据集和winequality数据集的数据和标签拆分开(提取)。
- 将winequality数据集划分为训练集和测试集。
- 标准化wine数据集和 wine quality数据集
- 对wine数据集和 winequality数据集进行PCA降维。
import pandas as pd
// 读取数据
wine_quality = pd.read_csv('data/winequality.csv',sep=';')
wine = pd.read_csv('data/wine.csv')
print(type(wine),type(wine_quality))
//<class 'pandas.core.frame.DataFrame'> <class 'pandas.core.frame.DataFrame'>
// 提取 wine_quality 数据
wine_quality_data = wine_quality.iloc[:,:-1]
wine_quality_target = wine_quality['quality']
// 提取 wine 数据
wine_data = wine.iloc[:,:-1]
wine_target = wine['Class']
wine数据集和winequality数据集的表现形式不一样,这里的wine数据集可以直接读入,而winequality数据集在文件中是以”;”为间隔的,所以要采用间隔读入的方式获取其数据。读取后数据都以DataFrame的类型保留,使用iloc等切片操作提取所需数据。
// 将 wine_quality 数据划分为训练集和测试集
from sklearn.model_selection import train_test_split
wine_quality_data_train,wine_quality_data_test,\
wine_quality_target_train,wine_quality_target_test=\
train_test_split(wine_quality_data,wine_quality_target,test_size=0.2,random_state=321)
wine_data_train,wine_data_test,\
wine_target_train,wine_target_test=\
train_test_split(wine_data,wine_target,test_size=0.2,random_state=321)
train_test_split()函数将数据集划分为训练集和测试集两部分,参数test_size=0.2代表着测试集在总数中的占比,通过计算wine_data总共178条记录,wine_data_test有36条,占0.20224171(20%),参数random_state=321,表示随机种子编号,方便测试时得到相同随机结果。
// 标准化数据集
from sklearn.preprocessing import StandardScaler
stdScaler = StandardScaler().fit(wine_data_train) // 生成标准化规则
wine_trainScaler = stdScaler.transform(wine_data_train) // 对训练集标准化
wine_testScaler = stdScaler.transform(wine_data_test) // 用训练集建立的模型对测试集标准化
Scaler = StandardScaler().fit(wine_quality_data_train) // 生成标准化规则
winequality_trainScaler = Scaler.transform(wine_quality_data_train) // 对训练集标准化
winequality_testScaler = Scaler.transform(wine_quality_data_test) // 用训练集建立的模型对测试集标准化
这里有个顺序:生成标准化规则;对训练集标准化;用训练集建立的模型对测试集标准化
主要是因为在数据分析的时候,各类特征处理相关的操作都需要对训练集和测试集分开进行,同时需要将训练集的操作规则、权重系数等应用到测试集中。这也就是为什么生成规则时fit传入训练集。transform函数紧接着将定义好的规则应用对传入的特征进行对应转换。
// PCA降维
from sklearn.decomposition import PCA
pca_model = PCA(n_components=5).fit(wine_trainScaler) // 生成PCA规则
wine_trainpca = pca_model.transform(wine_trainScaler) // 将规则应用到训练集
wine_testpca = pca_model.transform(wine_testScaler) // 将规则应用到测试集
pca_model = PCA(n_components=5).fit(winequality_trainScaler) // 生成PCA规则
winequality_trainpca = pca_model.transform(winequality_trainScaler) // 将规则应用到训练集
winequality_testpca = pca_model.transform(winequality_testScaler) #// 将规则应用到测试集
PCA(n_components=5)的参数n_components表示将原始数据降低到n个维度。
1.训练要点
- 了解sklearn估计器的用法。
- 掌握聚类模型的构建方法。
- 掌握聚类模型的评价方法。
2.需求说明
- wine数据集的葡萄酒总共分为3种,通过将wine数据集的数据进行聚类,聚集为3 个簇,能够实现葡萄酒的类别划分。
3.实现思路及步骤
- 根据实训1的wine数据集处理的结果,构建聚类数目为3的- -Means模型。
- 对比真实标签和聚类标签求取FMI。
- 在聚类数目为2~10类时,确定最优聚类数目。
- 求取模型的轮廓系数,绘制轮廓系数折线图,确定最优聚类数目。
- 求取 Calinski-Harabasz-指数,确定最优聚类数目。
// 构建 K-Means 模型
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3,random_state=32).fit(wine_trainScaler) //构建训练模型
print('wine_trainScaler构建的模型为:\n',kmeans)
//wine_trainScaler构建的模型为:
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
random_state=32, tol=0.0001, verbose=0)
构建K-Means聚类模型,参数n_clusters=3表示要形成的团簇数目,也就是分为几类,这里是分为3类。
// 对比真实标签和聚类标签求取FMI
from sklearn.metrics import fowlkes_mallows_score //FMI评价法
score=fowlkes_mallows_score(wine_target_train,kmeans.labels_)
print("wine数据集的FMI:%f"%(score))
//wine数据集的FMI:0.901648
//在聚类数目为2~10类时,确定最优聚类数目
from sklearn.metrics import fowlkes_mallows_score
from sklearn.cluster import KMeans
for i in range(2,11):
kmeans = KMeans(n_clusters=i,random_state=32).fit(wine_trainScaler)
score = fowlkes_mallows_score(wine_target_train,kmeans.labels_)
print('wine聚%d类FMI评价分为:%f'%(i,score))
wine聚2类FMI评价分为:0.693972
wine聚3类FMI评价分为:0.901648
wine聚4类FMI评价分为:0.801280
wine聚5类FMI评价分为:0.775956
wine聚6类FMI评价分为:0.782225
wine聚7类FMI评价分为:0.607152
wine聚8类FMI评价分为:0.570184
wine聚9类FMI评价分为:0.567783
wine聚10类FMI评价分为:0.559720
// 求取模型的轮廓系数,绘制轮廓系数折线图,确定最优聚类数目
from sklearn.metrics import silhouette_score
import matplotlib.pyplot as plt
silhouettteScore = []
for i in range(2,11):
// 构建并训练模型
kmeans = KMeans(n_clusters = i,random_state=1).fit(wine)
score = silhouette_score(wine,kmeans.labels_)
silhouettteScore.append(score)
plt.figure(figsize=(10,6))
plt.plot(range(2,11),silhouettteScore,linewidth=1.5, linestyle="-")
plt.show()
求取模型的轮廓系数:
//求取 Calinski-Harabasz指数,确定最优聚类数
from sklearn.metrics import calinski_harabasz_score
for i in range(2,11):
// 构建并训练模型
kmeans = KMeans(n_clusters = i,random_state=1).fit(wine_trainScaler)
score = calinski_harabaz_score(wine_trainScaler,kmeans.labels_)
print('seeds数据聚%d类calinski_harabaz指数为:%f'%(i,score))
seeds数据聚2类calinski_harabaz指数为:67.189882
seeds数据聚3类calinski_harabaz指数为:62.785275
seeds数据聚4类calinski_harabaz指数为:49.058796
seeds数据聚5类calinski_harabaz指数为:41.101132
seeds数据聚6类calinski_harabaz指数为:36.321948
seeds数据聚7类calinski_harabaz指数为:34.295581
seeds数据聚8类calinski_harabaz指数为:31.101151
seeds数据聚9类calinski_harabaz指数为:28.693663
seeds数据聚10类calinski_harabaz指数为:28.563627
分析FMI评价分值,可以看出wine数据分3类的时候其FMI值最高,故聚类为3类的时候wine数据集K-means聚类效果最好
分析轮廓系数折线图,可以看出在wine数据集为3的时候,其平均畸变程度最大,故亦可知聚类为3类的时候效果最佳
1.训练要点
- 掌握sklearn估计器的用法。
- 掌握分类模型的构建方法。
- 掌握分类模型的评价方法。
2.需求说明
- wine数据集中的葡萄酒类别为3种,将wie数据集划分为训练集和测试集,使用训练 集训练SVM分类模型,并使用训练完成的模型预测测试集的葡萄酒类别归属。
3.实现思路及步骤
- 读取wine数据集,区分标签和数据。
- 将wine数据集划分为训练集和测试集
- 使用离差标准化方法标准化wine数据集。
- 构建SVM模型,并预测测试集结果。
- 打印出分类报告,评价分类模型性能。
import pandas as pd
// 读取数据
wine_quality = pd.read_csv('data/winequality.csv',sep=';')
wine = pd.read_csv('data/wine.csv')
// 提取 wine_quality 数据
wine_quality_data = wine_quality.iloc[:,:-1]
wine_quality_target = wine_quality['quality']
// 提取 wine 数据
wine_data = wine.iloc[:,:-1]
wine_target = wine['Class']
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.preprocessing import MinMaxScaler
// 划分训练集、测试集
wine_data_train,wine_data_test,wine_target_train,wine_target_test=\
train_test_split(wine_data,wine_target,test_size=0.2,random_state=123)
// 数据标准化规则
Scaler = MinMaxScaler().fit(wine_data_train)
// 应用规则
wine_trainScaler = Scaler.transform(wine_data_train) // 对训练集进行标准化
wine_testScaler = Scaler.transform(wine_data_test) // 用训练集训练的模型对测试集标准化
// 构建SVM分类模型
svm = SVC().fit(wine_trainScaler,wine_target_train)
print("建立的SVM模型为:\n",svm)
//建立的SVM模型为:
SVC(C=1.0, break_ties=False, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
// 预测训练结果
wine_target_pred = svm.predict(wine_testScaler)
print('预测前20个结果为:',wine_target_pred[:20])
//预测前20个结果为: [3 2 3 2 2 3 1 3 3 2 3 3 3 1 1 3 2 2 1 2]
// 打印模型评价报告
from sklearn.metrics import classification_report
print('使用SVM预测数据的分析报告为:\n',classification_report(wine_target_test,wine_target_pred))
//使用SVM预测数据的分析报告为:
precision recall f1-score support
1 1.00 1.00 1.00 8
2 1.00 1.00 1.00 11
3 1.00 1.00 1.00 17
accuracy 1.00 36
macro avg 1.00 1.00 1.00 36
weighted avg 1.00 1.00 1.00 36
1.训练要点
(1)熟练sklearn估计器的用法。
(2)掌握回归模型的构建方法。
(3)掌握回归模型的评价方法。2.需求说明
- winequality数据集的葡萄酒评分在1~10之间,建线性回归模型与梯度提升回归模 型,训练 winequality数据集的训练集数据,训练完成后预测测试集的葡萄酒评分。结合 真实评分,评价构建的两个回归模型的好坏。
3.实现思路及步骤
- 根据winequality数据集处理的结果,构建线性回归模型。
- 根据wine quality数据集处理的结果,构建梯度提升回归模型。
- 结合真实评分和预测评分,计算均方误差中值绝对误差、可解释方差值。
- 根据得分,判定模型的性能优劣。
// 构建线性回归模型
from sklearn.linear_model import LinearRegression
clf = LinearRegression().fit(winequality_trainpca,wine_quality_target_train)
y_pred = clf.predict(winequality_testpca)
print('线性回归模型预测前10个结果为:','\n',y_pred[:10])
线性回归模型预测前10个结果为:
[5.27204611 5.16410891 6.93394979 6.52520955 5.56143289 5.02815869
5.17867439 5.95768188 5.68991275 5.33085457]
// 根据wine_quality数据集处理的结果,构建梯度提升回归模型。
from sklearn.ensemble import GradientBoostingRegressor
gbr_wine = GradientBoostingRegressor().fit(winequality_trainpca,wine_quality_target_train)
wine_target_pred = gbr_wine.predict(winequality_testpca)
print('梯度提升回归模型预测前10个结果为:','\n',wine_target_pred[:10])
print('真实标签前10个预测结果为:','\n',list(wine_quality_target_test[:10]))
梯度提升回归模型预测前10个结果为:
[5.4569842 5.1020336 6.39325331 6.55163291 5.62504565 5.16770619
5.22503393 5.6942301 5.43575267 5.22052962]
真实标签前10个预测结果为:
[6, 5, 6, 7, 6, 6, 5, 6, 6, 5]
from sklearn.metrics import mean_absolute_error,mean_squared_error,median_absolute_error,explained_variance_score,r2_score
print('线性回归模型评价结果:')
print('winequality数据线性回归模型的平均绝对误差为:',
mean_absolute_error(wine_quality_target_test,y_pred))
print('winequality数据线性回归模型的均方误差为:',
mean_squared_error(wine_quality_target_test,y_pred))
print('winequality数据线性回归模型的中值绝对误差为:',
median_absolute_error(wine_quality_target_test,y_pred))
print('winequality数据线性回归模型的可解释方差值为:',
explained_variance_score(wine_quality_target_test,y_pred))
print('winequality数据线性回归模型的R方值为:',
r2_score(wine_quality_target_test,y_pred))
线性回归模型评价结果:
winequality数据线性回归模型的平均绝对误差为: 0.500442590483755
winequality数据线性回归模型的均方误差为: 0.4116335179704622
winequality数据线性回归模型的中值绝对误差为: 0.42681355355182804
winequality数据线性回归模型的可解释方差值为: 0.3304259967770349
winequality数据线性回归模型的R方值为: 0.32853409414296564
print('梯度提升回归模型评价结果:')
print('winequality数据梯度提升回归树模型的平均绝对误差为:',
mean_absolute_error(wine_quality_target_test,wine_target_pred))
print('winequality数据梯度提升回归树模型的均方误差为:',
mean_squared_error(wine_quality_target_test,wine_target_pred))
print('winequality数据梯度提升回归树模型的中值绝对误差为:',
median_absolute_error(wine_quality_target_test,wine_target_pred))
print('winequality数据梯度提升回归树模型的可解释方差值为:',
explained_variance_score(wine_quality_target_test,wine_target_pred))
print('winequality数据梯度提升回归树模型的R方值为:',
r2_score(wine_quality_target_test,wine_target_pred))
梯度提升回归模型评价结果:
winequality数据梯度提升回归树模型的平均绝对误差为: 0.49135412186249
winequality数据梯度提升回归树模型的均方误差为: 0.3929327053069297
winequality数据梯度提升回归树模型的中值绝对误差为: 0.4130905910176561
winequality数据梯度提升回归树模型的可解释方差值为: 0.3620462459660544
winequality数据梯度提升回归树模型的R方值为: 0.3590392827808905
对于一个回归模型来说,平均绝对误差、均方误差、中值绝对误差越接近0越好,可解释方差和R2值越接近1越好。通过对比两者的回归评价指标不难发现,线性回归模型的平均绝对误差、均方误差、中值绝对误差都要大于梯度回归模型,但是可解释方差和R2值都要小于梯度回归模型。因此,梯度回归模型在五个指标上都要优于线性回归模型,故在本实训中,梯度回归模型性能更优!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。