Python实现鸢尾花数据集分类问题——基于skearn的NaiveBayes
Python实现鸢尾花数据集分类问题——基于skearn的NaiveBayes
代码如下:
# !/usr/bin/env python # encoding: utf-8 __author__ = 'Xiaolin Shen' from sklearn.naive_bayes import GaussianNB,BernoulliNB import numpy as np import pandas as pd from sklearn import preprocessing from sklearn import model_selection import matplotlib.pyplot as plt import matplotlib as mpl from matplotlib import colors from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline # 当使用numpy中的loadtxt函数导入该数据集时,假设数据类型dtype为浮点型,但是很明显数据集的第五列的数据类型是字符串并不是浮点型。 # 因此需要额外做一个工作,即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。 # 首先,我们要写出一个转换函数: # 定义一个函数,将不同类别标签与数字相对应 def iris_type(s): class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2} return class_label[s] #(1)使用numpy中的loadtxt读入数据文件 filepath='IRIS_dataset.txt' # 数据文件路径 data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type}) #以上4个参数中分别表示: #filepath :文件路径。eg:C:/Dataset/iris.txt。 #dtype=float :数据类型。eg:float、str等。 #delimiter=',' :数据以什么分割符号分割。eg:‘,’。 #converters={4:iris_type} :对某一列数据(第四列)进行某种类型的转换,将数据列与转换函数进行映射的字典。eg:{1:fun},含义是将第2列对应转换函数进行转换。 # converters={4: iris_type}中“4”指的是第5列。 # print(data) #读入结果示例为: # [[ 5.1 3.5 1.4 0.2 0. ] # [ 4.9 3. 1.4 0.2 0. ] # [ 4.7 3.2 1.3 0.2 0. ] # [ 4.6 3.1 1.5 0.2 0. ] # [ 5. 3.6 1.4 0.2 0. ]] #(2)将原始数据集划分成训练集和测试集 X ,y=np.split(data,(4,),axis=1) #np.split 按照列(axis=1)进行分割,从第四列开始往后的作为y 数据,之前的作为X 数据。函数 split(数据,分割位置,轴=1(水平分割) or 0(垂直分割))。 x=X[:,0:2] #在 X中取前两列作为特征(为了后期的可视化画图更加直观,故只取前两列特征值向量进行训练) x_train,x_test,y_train,y_test=model_selection.train_test_split(x,y,random_state=1,test_size=0.3) # 用train_test_split将数据随机分为训练集和测试集,测试集占总数据的30%(test_size=0.3),random_state是随机数种子 # 参数解释: # x:train_data:所要划分的样本特征集。 # y:train_target:所要划分的样本结果。 # test_size:样本占比,如果是整数的话就是样本的数量。 # random_state:是随机数的种子。 # (随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。 # 随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。) #(3)搭建模型,训练GaussianNB分类器 classifier=GaussianNB() # classifier=BernoulliNB() #开始训练 classifier.fit(x_train,y_train.ravel()) def show_accuracy(y_hat,y_test,parameter): pass #(4)计算GaussianNB分类器的准确率 print("GaussianNB-输出训练集的准确率为:",classifier.score(x_train,y_train)) y_hat=classifier.predict(x_train) show_accuracy(y_hat,y_train,'训练集') print("GaussianNB-输出测试集的准确率为:",classifier.score(x_test,y_test)) y_hat=classifier.predict(x_test) show_accuracy(y_hat,y_test,'测试集') # GaussianNB-输出训练集的准确率为: 0.809523809524 # GaussianNB-输出测试集的准确率为: 0.755555555556 # # 查看决策函数,可以通过decision_function()实现。decision_function中每一列的值代表距离各类别的距离。 # print('decision_function:\n', classifier.decision_function(x_train)) # print('\npredict:\n', classifier.predict(x_train)) # (5)绘制图像 # 1.确定坐标轴范围,x,y轴分别表示两个特征 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范围 x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范围 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成网格采样点 grid_test = np.stack((x1.flat, x2.flat), axis=1) # 测试点 # print 'grid_test = \n', grid_test grid_hat = classifier.predict(grid_test) # 预测分类值 grid_hat = grid_hat.reshape(x1.shape) # 使之与输入的形状相同 # 2.指定默认字体 mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False # 3.绘制 cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF']) cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) alpha=0.5 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) # 预测值的显示 # plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 样本 plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k') plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中测试集样本 plt.xlabel(u'花萼长度', fontsize=13) plt.ylabel(u'花萼宽度', fontsize=13) plt.xlim(x1_min, x1_max) plt.ylim(x2_min, x2_max) plt.title(u'鸢尾花GaussianNB分类结果', fontsize=15) plt.grid() #显示网格 plt.show()
程序运行结果:
数据可视化展示:
posted on 2018-04-16 11:12 CuriousZero 阅读(1457) 评论(0) 编辑 收藏 举报