123 lines
4.6 KiB
Markdown
123 lines
4.6 KiB
Markdown
# 基于多种最大似然算法的虹膜数据集分类
|
|
|
|
> 原文：<https://www.askpython.com/python/examples/iris-dataset-classification>
|
|
|
|
你好。今天我们将学习一个新的数据集——虹膜数据集。数据集非常有趣，因为它处理花的各种属性，然后根据它们的属性对它们进行分类。
|
|
|
|
## 1.导入模块
|
|
|
|
任何项目的第一步都是导入基本模块，包括 [numpy](https://www.askpython.com/python-modules/numpy/python-numpy-module) 、 [pandas](https://www.askpython.com/python-modules/pandas/python-pandas-module-tutorial) 和 [matplotlib](https://www.askpython.com/python-modules/matplotlib/python-matplotlib) 。
|
|
|
|
```py
|
|
import numpy as np
|
|
import pandas as pd
|
|
import matplotlib.pyplot as plt
|
|
|
|
```
|
|
|
|
## 2.加载和准备 Iris 数据集
|
|
|
|
为了加载数据，我们将从 Kaggle 下载数据集。你可以在这里下载数据集[，但是要确保这个文件和代码文件在同一个目录下。](https://www.kaggle.com/uciml/iris)
|
|
|
|
我们还将通过对数据进行切片操作来将数据和标签相互分离。
|
|
|
|
```py
|
|
data = pd.read_csv('Iris.csv')
|
|
data_points = data.iloc[:, 1:5]
|
|
labels = data.iloc[:, 5]
|
|
|
|
```
|
|
|
|
## 3.将数据分为测试数据和训练数据
|
|
|
|
在训练任何一种 ML 模型之前，我们首先需要使用 sklearn 的`train_test_split`函数将数据[分割成测试和训练数据](https://www.askpython.com/python/examples/split-data-training-and-testing-set)。
|
|
|
|
```py
|
|
from sklearn.model_selection import train_test_split
|
|
x_train,x_test,y_train,y_test = train_test_split(data_points,labels,test_size=0.2)
|
|
|
|
```
|
|
|
|
## 4.数据的标准化/规范化
|
|
|
|
在我们进行 ML 建模和数据处理之前，我们需要对数据进行规范化，下面将提到代码。
|
|
|
|
```py
|
|
from sklearn.preprocessing import StandardScaler
|
|
from sklearn.model_selection import cross_val_score
|
|
Standard_obj = StandardScaler()
|
|
Standard_obj.fit(x_train)
|
|
x_train_std = Standard_obj.transform(x_train)
|
|
x_test_std = Standard_obj.transform(x_test)
|
|
|
|
```
|
|
|
|
## 5.应用分类 ML 模型
|
|
|
|
现在我们的数据已经准备好，可以进入各种 ML 模型，我们将测试和比较各种分类模型的效率
|
|
|
|
### 5.1 SVM(支持向量机)
|
|
|
|
我们要测试的第一个模型是 SVM 分类器。下面提到了相同的代码。
|
|
|
|
```py
|
|
from sklearn.svm import SVC
|
|
svm = SVC(kernel='rbf', random_state=0, gamma=.10, C=1.0)
|
|
svm.fit(x_train_std, y_train)
|
|
print('Training data accuracy {:.2f}'.format(svm.score(x_train_std, y_train)*100))
|
|
print('Testing data accuracy {:.2f}'.format(svm.score(x_test_std, y_test)*100))
|
|
|
|
```
|
|
|
|
在成功执行时，分类器分别给出了大约 97%和 93%的训练和测试精度，这是相当不错的。
|
|
|
|
### 5.2 KNN (K 近邻)
|
|
|
|
[KNN 算法](https://www.askpython.com/python/examples/knn-in-python)是 ML 世界中最基本、最简单、最初级的分类模型之一。直接执行它的代码如下所示。
|
|
|
|
```py
|
|
from sklearn.neighbors import KNeighborsClassifier
|
|
knn = KNeighborsClassifier(n_neighbors = 7, p = 2, metric='minkowski')
|
|
knn.fit(x_train_std,y_train)
|
|
print('Training data accuracy {:.2f}'.format(knn.score(x_train_std, y_train)*100))
|
|
print('Testing data accuracy {:.2f}'.format(knn.score(x_test_std, y_test)*100))
|
|
|
|
```
|
|
|
|
在这种情况下，测试精度只有大约 80%,与其他模型相比，这要低一些，但是这是合理的，因为该模型非常基本，并且有一些限制。
|
|
|
|
### 5.3 决策树
|
|
|
|
接下来，我们将实现决策树模型，这是一个简单而复杂的 ML 模型。相同的代码如下所示。
|
|
|
|
```py
|
|
from sklearn import tree
|
|
decision_tree = tree.DecisionTreeClassifier(criterion='gini')
|
|
decision_tree.fit(x_train_std, y_train)
|
|
print('Training data accuracy {:.2f}'.format(decision_tree.score(x_train_std, y_train)*100))
|
|
print('Testing data accuracy {:.2f}'.format(decision_tree.score(x_test_std, y_test)*100))
|
|
|
|
```
|
|
|
|
这个模型的测试准确率也仍然在 80%左右，因此到目前为止 SVM 给出了最好的结果。
|
|
|
|
### 5.4 随机森林
|
|
|
|
随机森林是机器学习中更复杂、更好的决策树。相同的实现如下所示。
|
|
|
|
```py
|
|
from sklearn.ensemble import RandomForestClassifier
|
|
random_forest = RandomForestClassifier()
|
|
random_forest.fit(x_train_std, y_train)
|
|
print('Training data accuracy {:.2f}'.format(random_forest.score(x_train_std, y_train)*100))
|
|
print('Testing data accuracy {:.2f}'.format(random_forest.score(x_test_std, y_test)*100))
|
|
|
|
```
|
|
|
|
这里的准确率非常高，训练数据是 100%，这太棒了！而测试数据的准确率为 90%，这也是相当不错的。
|
|
|
|
## 结论
|
|
|
|
恭喜你！本教程提到了在同一数据集上的许多不同的算法，我们为每个模型获得了不同的结果。希望你喜欢它！继续阅读，了解更多！
|
|
|
|
感谢您的阅读！ |