9. 监督学习实例——运动状态预测

代码

"""
可穿戴式设备的流行，让我们可以更便利地使用传感器获取人体的各项数据，甚至是生理数据。
当传感器采集到大量数据后，我们就可以通过对数据进行分析和建模，通过各项特征的数值进行
用户状态的判断，根据用户所处的状态提供给用户更加精准、便利的服务。

我们现在收集了来自A,B,C,D,E 5位用户的可穿戴设备上的传感器数据，每位用户的数据集包含
一个特征文件（a.label）和一个标签文件（a.feature）。

特征文件中每一行对应一个时刻的所有传感器数值，标签文件中每行记录了和特征文件中对应时刻
的标记过的用户姿态，两个文件的行数相同，相同行之间互相对应。
"""
import pandas as pd
import numpy as np

# 导入预处理模块 Imputer
from sklearn.preprocessing import Imputer
# 导入自动生成训练集和测试集的模块 train_test_split
from sklearn.cross_validation import train_test_split
# 导入预测结果评估模块 classification_report
from sklearn.metrics import classification_report

# K近邻分类器
from sklearn.neighbors import KNeighborsClassifier
# 决策树分类器
from sklearn.tree import DecisionTreeClassifier
# 高斯朴素贝叶斯函数
from sklearn.naive_bayes import GaussianNB


def load_dataset(feature_paths, label_paths):
    """
    :param feature_paths: 特征文件的列表
    :param label_paths: 标签文件的列表
    :return: 特征文件列表和标签文件列表中的内容
    """
    feature = np.ndarray(shape=(0, 41))
    label = np.ndarray(shape=(0, 1))

    for file in feature_paths:
        # 使用逗号分隔符读取特征数据，将问号替换标记为缺省值，文件中不含表头
        df = pd.read_table(file, delimiter=',', na_values='?', header=None)
        # 使用平均值补全缺失值，然后将数据进行补全
        imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
        imp.fit(df)
        df = imp.transform(df)
        # 将新读入的数据合并到特征集合中
        feature = np.concatenate((feature, df))

    for file in label_paths:
        # 读取标签数据，文件不包含表头
        df = pd.read_table(file, header=None)
        # 将新读入的数据合并到标签集合中
        label = np.concatenate((label, df))

    # 将标签规整为一维向量
    label = np.ravel(label)

    return feature, label


if __name__ == '__main__':

    ''' 数据路径 '''
    featurePaths = ['Data/A/A.feature', 'Data/B/B.feature',
                    'Data/C/C.feature', 'Data/D/D.feature', 'Data/E/E.feature']
    labelPaths = ['Data/A/A.label', 'Data/B/B.label', 'Data/C/C.label',
                  'Data/D/D.label', 'Data/E/E.label']

    ''' 读入数据  '''
    # 将前四个数据作为训练集读入
    x_train, y_train = load_dataset(featurePaths[:4], labelPaths[:4])
    # 将最后一个数据作为测试集读入
    x_test, y_test = load_dataset(featurePaths[4:], labelPaths[4:])
    # 使用全量数据作为训练集，借助train_test_split函数将训练数据打乱
    # 通过设置测试比例test_size为0，将数据随机打乱，便于后续分类器的初始化和训练
    x_train, x_, y_train, y_ = train_test_split(x_train, y_train, test_size=0.0)

    # knn
    print('Start training knn')
    knn = KNeighborsClassifier().fit(x_train, y_train)
    print('Training done')
    answer_knn = knn.predict(x_test)
    print('Prediction done')

    # DT
    print('Start training DT')
    dt = DecisionTreeClassifier().fit(x_train, y_train)
    print('Training done')
    answer_dt = dt.predict(x_test)
    print('Prediction done')

    # Bayes
    print('Start training Bayes')
    gnb = GaussianNB().fit(x_train, y_train)
    print('Training done')
    answer_gnb = gnb.predict(x_test)
    print('Prediction done')

    print('\n\nThe classification report for knn:')
    print(classification_report(y_test, answer_knn))
    print('\n\nThe classification report for DT:')
    print(classification_report(y_test, answer_dt))
    print('\n\nThe classification report for Bayes:')
    print(classification_report(y_test, answer_gnb))