生信机器学习入门3 - Scikit-Learn训练机器学习分类感知器

生信专题:机器学习多组学、单细胞组学及空间组学 生物信息学的研究重点包括单细胞转录组与空间转录组。单细胞转录组提供了每个细胞内基因表达信息,结合空间转录组可以了解这些细胞在组织甚至器官级别的分布,对于理解动物发育或疾病意义重大。随着近几年的持续火热,单细胞测序技术也从单纯的转录组测序发展为多组学联合分析,包括基因组、转录组、表观基因组、蛋白组以及有空间水平的多组学研究(如空间转录组)。单细胞多组学技术能多层次、多角度地描绘细胞间的异质性,挖掘各层组学之间的直接和潜在联系,从而更加全面和系统地描绘细胞的状态和命运在生命科学和医学多领域有广泛的应用前景。 阅读详情

1. 在线读取iris数据集

import os
import pandas as pd

# 下载
try:
    s = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
    print('From URL:', s)
    df = pd.read_csv(s,header=None,encoding='utf-8')
    
except HTTPError:
    s = 'iris.data'
    # 读取.data文件,不读取列名
    df = pd.read_csv(s,header=None, encoding='utf-8')
    
df.tail()

2. 加载 Iris 数据集

从 scikit-learn 加载 Iris 数据集,第三列代表花瓣的长度,第四列代表花瓣的宽度。物种分类已经转换为整数标签,其中0 = Iris-Setosa,1 = Iris-Versicolor,2 = Iris-Virginia。

# jupyter
%matplotlib inline
from sklearn import datasets
import numpy as np

iris = datasets.load_iris()
# 提取dataframe的第3列和第4列数据
X = iris.data[:, [2, 3]]
# 分类标签
y = iris.target

# 打印分类标签
print('Class labels:', np.unique(y))
# Class labels: [0 1 2]

3. 划分 Iris 数据集

将70%数据划分为 的训练集和30% 为测试集。

from sklearn.model_selection import train_test_split
# X_train, y_train为训练集数据和标签
# X_test, y_test为测试集数据和标签
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=1, stratify=y)

# 打印各标签的数据包含的数据数量
print('Labels counts in y:', np.bincount(y))
print('Labels counts in y_train:', np.bincount(y_train))
print('Labels counts in y_test:', np.bincount(y_test))
# Labels counts in y: [50 50 50]
# Labels counts in y_train: [35 35 35]
# Labels counts in y_test: [15 15 15]

4. 标准化特征

from sklearn.preprocessing import StandardScaler

sc = StandardScaler()
sc.fit(X_train)
# 标准化训练数据X_train_std , X_test_std 
X_train_std = sc.transform(X_train)
X_test_std = sc.transform(X_test)

5. 通过scikit-learn训练感知器

学习速率 (learning rate): 在训练模型时用于梯度下降的一个变量。在每次迭代期间,梯度下降法都会将学习速率与梯度相乘,得出的乘积称为梯度步长,设置数据在在0-1之间。

from sklearn.linear_model import Perceptron

# eta0为学习率
# random_state随机生成器加权数值
ppn = Perceptron(eta0=0.1, random_state=1)
ppn.fit(X_train_std, y_train)
# Perceptron(eta0=0.1, random_state=1)

# 打印测试数据集分类错误数量
y_pred = ppn.predict(X_test_std)
print('Misclassified examples: %d' % (y_test != y_pred).sum())
# Misclassified examples: 1

# 获取感知器准确度
from sklearn.metrics import accuracy_score
print('Accuracy: %.3f' % accuracy_score(y_test, y_pred))
# Accuracy: 0.978

print('Accuracy: %.3f' % ppn.score(X_test_std, y_test))
# Accuracy: 0.978

6. 训练感知器模型

from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
from distutils.version import LooseVersion

def plot_decision_regions(X, y, classifier, test_idx=None, resolution=0.02):

    # 绘图图形和颜色生成
    markers = ('o', 's', '^', 'v', '<')
    colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')
    cmap = ListedColormap(colors[:len(np.unique(y))])

    # 绘图
    x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),
                           np.arange(x2_min, x2_max, resolution))
    lab = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)
    lab = lab.reshape(xx1.shape)
    plt.contourf(xx1, xx2, lab, alpha=0.3, cmap=cmap)
    plt.xlim(xx1.min(), xx1.max())
    plt.ylim(xx2.min(), xx2.max())

    # 图加上分类样本
    for idx, cl in enumerate(np.unique(y)):
        plt.scatter(x=X[y == cl, 0], 
                    y=X[y == cl, 1],
                    alpha=0.8, 
                    c=colors[idx],
                    marker=markers[idx], 
                    label=f'Class {cl}', 
                    edgecolor='black')

    # 高亮显示测试数据集样本
    if test_idx:
        X_test, y_test = X[test_idx, :], y[test_idx]

        plt.scatter(X_test[:, 0],
                    X_test[:, 1],
                    c='none',
                    edgecolor='black',
                    alpha=1.0,
                    linewidth=1,
                    marker='o',
                    s=100, 
                    label='Test set')        

# 使用标准化数据训练一个感知器模型
X_combined_std = np.vstack((X_train_std, X_test_std))
y_combined = np.hstack((y_train, y_test))

# 绘图
plot_decision_regions(X=X_combined_std, y=y_combined,
                      classifier=ppn, test_idx=range(105, 150))
plt.xlabel('Petal length [standardized]')
plt.ylabel('Petal width [standardized]')
plt.legend(loc='upper left')

plt.tight_layout()
plt.show()

训练的感知器预测标签结果

从下图可以看出,对于class 1和class2 标签,有个别样本分类错误,无颜色的黑色圈为测试数据集样本。预测结果

机器学习文章

生信机器学习入门1 - 数据预处理与线性回归(Linear regression)预测

生信机器学习入门2 - 机器学习基本概念

【Scikit-learn】【入门】简介 + Scikit-learn六大功能 1.简介(1)SciPy,SciPy是一个开源的基于Python的科学计算工具包。(2)Scikits,基于SciPy针对不同的应用领域发展出众多的分支版本,他们统一称为Scikits,即SciPy工具包的意思(3)Scikit-learn,是针对机器学习出的一个分支版本(开源框架),就是Scikit-learn,这就是Scikit-learn和SciPy的关系。Scikit-learn需要Num... 阅读详情

相关推荐

【Python-ML】SKlearn库感知器(perceptron) 使用

# -*- coding: utf-8 -*- ''' Created on 2018年1月12日 @author: Jason.F @summary: Scikit-Learn库感知器学习算法 ''' from sklearn import datasets import numpy as np from sklearn.cross_validation import train_test_s

医疗影像检索 6351

机器学习在生物信息学中的应用

1.背景介绍 生物信息学是一门研究生物学信息的科学,它结合生物学、计算机科学、数学、统计学、化学等多学科知识,涉及到生物序列数据的收集、存储、传输、分析、比较和挖掘等方面。生物信息学在过去二十年里发展迅速,成为生物科学和生物技术的重要支柱。随着高通量测序技术的发展,生物信息学在大数据处理、计算生物学、基因组学、蛋白质结构学、生物网络等方面取得了重要的成果。 随着机器学习技术的不断发展,它已经成...

AI天才研究院 2033

使用Scikit Learn 进行识别手写数字

Scikit learn 是机器学习社区中使用最广泛的机器学习库之一,其背后的原因是代码的简便性以及机器学习开发人员构建机器学习模型所需的几乎所有功能的可用性。在本文中,我们将学习如何使用 sklearn 在手写数字数据集上训练 MLP 模型。其他一些好处是:1、它提供分类、回归和聚类算法,例如SVM算法、随机森林、梯度提升和k 均值。2、它还设计用于与Python 的科学和数值库NumPy和SciPy一起运行。

阿极的博客 1385

机器学习与生物信息学:解密生物过程的秘密

1.背景介绍 生物信息学是一门研究生物学知识的科学,它结合生物学、计算机科学、数学、化学、物理学等多学科知识,研究生物信息的表示、存储、传输、检索、分析和模拟等方面。生物信息学的研究内容广泛,涉及基因组学、蛋白质结构和功能、生物网络、生物信息数据库等方面。 随着人工智能技术的发展,机器学习在生物信息学领域也取得了显著的成果。机器学习是一门研究如何让计算机从数据中自动学习出知识和模式的科学。在生...

AI天才研究院 1044

生物信息学机器学习方法

生物信息学的机器学习方法对基因测序等有深入探讨,设计统计推断,统计学习等内容

生物信息学:机器学习方法

生物信息学:机器学习方法. 全面介绍了生物方面用到的方法,包括神经网络,马尔科夫模型,动态规划等。

生信机器学习入门2 - 机器学习基本概念

机器学习基本概念

LittleComputerRobot的博客 1542

【数学模型】灰色关联分析

数学模型-灰色关联分析

suic009的博客 1万+

生信机器学习入门5 - 构建决策树(Decision Tree)和随机森林(Random Forest)分类器

构建决策树(Decision Tree)和随机森林(Random Forest)分类器

LittleComputerRobot的博客 1512

CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装

本文详细介绍了如何确定显卡支持的CUDA版本、选择对应的cuDNN版本,并逐步安装CUDA、cuDNN和PyTorch。首先,通过命令行输入nvidia-smi.exe查看显卡支持的CUDA版本。接着,根据CUDA版本选择对应的cuDNN版本并下载。然后,从NVIDIA官方网站下载CUDA安装包,按照提示进行安装,并检查是否安装成功。同样地,下载cuDNN安装包,解压后将文件拷贝到CUDA安装目录中,并通过命令行验证安装是否成功。最后,根据PyTorch官网的指引,选择合适的安装命令进行PyTorch的安装

2501_90350274的博客 5099

微信抢红包神器自动抢软件

微信抢红包神器自动抢软件

weixin_44006731的博客 8082

Python机器学习(原书第3版)- 第3章scikit-learn 机器学习分类器

3.1 选择分类算法     监督机器学习算法训练的主要步骤: 1)选择特征并收集训练样本; 2)选择度量性能的指标; 3)选择分类器并优化算法; 4)评估模型的性能; 5)调整算法。 3.2 了解scikit-learn第一步——训练感知器     我们仍然使用鸢尾花数据集来训练感知器,首先使用数据集的两个特征来实现可视化:将150个鸢尾花样本的花瓣长度和宽度存入特征矩阵X,把相应的品种分类标签存入向量y,实现代码如下: from sklearn import datasets import numpy

littlefatguy的博客 2271

[数据转换]将NetCDF(NC)文件转换成单个GeoTIFF文件

有时候要提取tif格式数据中的气象数据,但从气象网站上下载的却是NC格式的文件。这就需要我们将NC格式的文件转换成TIF格式的文件。

G_sea_young的博客 1004

使用Scikit-learn开启机器学习之旅

机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间,由于可用数据的数量和质量呈指数级增长,同时高性能的计算设备也得到了快速发展。Scikit-Learn 是机器学习的常用库,它包含很多实用工具和算法用于构建机器学习模型,本文通过实例讲解使用 Scikit-learn 构建机器学习模型,包括常见监督学习和无监督学习算法模型。

盼小辉丶的博客 4697

运放单电源供电和双电源供电的实际应用案例

文章摘要:本文对比分析了运放单电源与双电源供电的典型应用场景及电路设计要点。单电源供电适用于低成本、小体积设备,如便携音箱(5V供电+中点偏置)、工业4-20mA信号转换(12V供电+电压跟随)和物联网传感器(3.3V低功耗设计);双电源供电则适合高精度要求场景,如Hi-Fi音响(±15V对称输出)、医疗设备(±5V微弱信号放大)和精密仪器(±15V宽动态范围)。文末提供常见运放选型对照表,涵盖LM324、TL082等型号的供电参数与核心特性,为不同应用场景提供选型参考。(149字)

qq_37999850的博客 612

2026华为OD机考双机位C卷++ 双机位B卷 + 双机位A卷 + 2025C/B/A卷+ 往年真题 - 题库目录分值说明 + 考点说明+在线OJ

2025华为OD机考双机位C卷++ 双机位B卷 + 双机位A卷 + 2025C/B/A卷+ 往年真题 - 题库目录分值说明 + 考点说明+在线OJ

算法大师! 5万+

三、Scikit-learn机器学习框架

三、Scikit-learn机器学习框架 3.1 Scikit-learn介绍 Scikit-learn介绍 对Python语言有所了解的科研人员可能都知道SciPy——一个开源的基于Python的科学计算工具包。 基于SciPy,目前开发者们针对不同的应用领域已经发展出了为数众多的分支版本,它们被统一称为Scikits,即SciPy工具包的意思。 而在这些分支版本中,最有名,也是专门面向机器学习的一个就是Scikit-learn。 Scikit-learn项目最早由数据科学家 David Cournape

小石小石摩西摩西 3万+

基于Simulink的光储系统黑启动能力仿真

本文基于Simulink平台构建了光储系统黑启动仿真模型,详细阐述了储能VF控制、光伏孤岛MPPT和同步并网等核心控制策略。通过分阶段协调控制(储能启动→关键负载→光伏接入→非关键负载→同步并网),实现了60秒内恢复供电、母线电压波动<5%的性能指标。仿真结果表明,协调控制策略相比无序启动可显著提升系统稳定性,避免电压崩溃和负载跳闸。文章还提供了完整的建模步骤、核心代码及进阶优化方向,为微电网应急供电设计提供了实用参考。该模型适用于光伏储能系统的黑启动能力验证和优化研究。

amy_mhd的博客 106

[自学笔记]使用scikit-learn机器学习分类器

使用 hstack 后,y_train 和 y_test 将被连接成一个新的一维数组 y_combined,这个数组包含了所有训练和测试样本的标签,顺序保持不变。通过 np.vstack,X_train_std 和 X_test_std 被组合成了一个新的二维数组,该数组的第一部分是 X_train_std 的所有行,紧接着是 X_test_std 的所有行。结果数组 X_combined_std 将拥有 X_train_std 和 X_test_std 的所有行,列是不变的。是随机数种子,可以用来复盘。

qq_40432278的博客 830

Unity之如何接入NPOI 快速读取Excel

NPOI是指构建在POI 3.x版本之上的一个程序,NPOI可以在没有安装Office的情况下对Word或Excel文档进行读写操作。 NPOI是一个开源的C#读写Excel、WORD等微软OLE2组件文档的项目

TxNet 4397

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

使用scikit-learn实现机器学习分类算法——初步使用感知器分类

sklearn整体的使用过程: 1.数据准备 from sklearn import datasets iris = datasets.load_iris() X = iris.data[:,[2,3]] y = iris.target 2.将数据集划分为训练集隔和测试数据集 from sklearn.cross_validation import train_test_split X...

lhy的博客 720

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

机器学习基础课程-3-Scikit-learn的使用

Scikit-learn是Python中一个专门用于机器学习的开源框架,基于SciPy工具包发展而来,由David Cournapeau于2007年发起。它依赖于NumPy和SciPy等库,专注于机器学习领域,不扩展其他功能,且仅采用经过广泛验证的算法。Scikit-learn还提供了丰富的代码实例和详细的文档,帮助用户快速上手。通过加载数据集、拆分数据、特征工程、建立模型、拟合模型及预测评价等步骤,用户可以轻松实现机器学习任务。

星虐 1575

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

【scikit-learn】如何用Python和SciKit Learn 0.18实现神经网络

本教程的代码和数据来自于 Springboard 的博客教程。本文的作者为 Jose Portilla,他是网络教育平台 Udemy 一门数据科学类课程的讲师。 GitHub 链接:https://github.com/Rogerh91/Springboard-Blog-Tutorials/blob/master/Neural%20Networks%20/JMPortilla_SpringB...

holysll的博客 2581

使用scikit-learn对鸢尾花进行分类

我们可以使用scikit-learn训练感知器和逻辑斯谛模型以对鸢尾花进行分类,在这里我们使用三种鸢尾花,代码引自《python机器学习》。 使用线性分类的感知器的实现如下: from sklearn import datasets #鸢尾花数据包含于sklearn库中,常用于测试 from sklearn.model_selection import train_test_split #将cross_validation修改为model_selection from sklearn.preprocessi

KylinSchmidt的博客 3232

Machine Learning-教你用Scikit-Learn来做分类器(完整版)

机器学习系列专栏选自 Python-Machine-Learning-Book On GitHub作者:Sebastian Raschka翻译&整理 By Sam...

Pysamlam的博客 1373

python机器学习Scikit-learn库

Scikit-learn库 概述 ​ 1.Scikit-learn库最早由数据科学家David Cournapeau在2007年发起,使用需要Numpy和Scipy等其他库的支持,是Python中专门针对机器学习应用而发展起来的一款开源扩展库。 ​ 2.和其他众多的开源项目一样,Scikit-learn目前主要有社区成员自发进行维护 ​ 3.Scikit-learn相比其他开源项目显得更为保守,主...

胖大xian 1230
上一篇: 生信软件32 - 变异位点危害性评估预测工具合集
下一篇: 全外显子测序分析流程3 - Exon.Interval.bed文件生成和BAM文件标记重复
生信与基因组学
博客等级 码龄9年 7209粉丝 257原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信与基因组学

每一份鼓励是我坚持下去动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值