有监督学习(分类、回归)

本文探讨有监督学习中的分类与回归,介绍如何使用sklearn进行建模,以鸢尾花分类为例,展示Logistic Regression和KNN的实现。通过训练和测试数据集划分、交叉验证以及GridSearchCV优化模型参数,讨论评估模型性能的方法,如分类准确率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

分类与回归并无本质区别,当目标变量连续时,为回归;目标变量只能取几个离散值(类别)时,为分类。也正是由于这种不同,model estimation metric不同,分类问题常使用分类准确率(classification accuracy);而回归问题常用 Mean Absolute Error, Mean Squared Error, Root Mean Squared Error来量化模型性能。

本文用sklearn建模,以分类问题的模型建立、模型训练、模型评估为主线,主要目的是熟悉sklearn的基本使用。数据来自于UCI Machine Learning Repository

软件要求:python3.6, notebook,numpy, pandas, matplotlib, scikit-learn

几个术语:
feature:输入变量
response:输出变量
observation: 样本

sklearn对数据的要求:
sklearn 要求X(feature matrix)和y(target vector)为numpy Array,pandas基于numpy,所以X和y可以很自然的从dataframe中获得,一个feature对应dataframe的一列(variable),一个样本对应dataframe的一行(observation)。

目的:预测未知iris的种类,采用LR和KNN两种模型

导入数据

# read the iris data into a DataFrame
import pandas as pd
url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
col_names = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'species']
iris = pd.read_csv(url, header=None, names=col_names)

#map each iris species to a number
iris['species_num'] = iris.species.map({
  'Iris-setosa':0, 'Iris-versicolor':1, 'Iris-virginica':2})

# store feature matrix in "X"
feature_cols = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
X = iris[feature_cols]

# store response vector in "y" 
y = iris.species_num

用sklearn建模的四个步骤:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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