使用 Scikit-Learn 进行数字分类

Machine LearningMachine LearningBeginner
立即练习

This tutorial is from open-source community. Access the source code

💡 本教程由 AI 辅助翻译自英文原版。如需查看原文,您可以 切换至英文原版

简介

本实验是一个关于如何使用scikit-learn对数字数据集应用分类技术的分步教程。在本实验中,我们将加载数据集、预处理数据、将数据集拆分为训练集和测试集,然后使用两种不同的分类技术(K近邻和逻辑回归)对数字进行分类。最后,我们将比较这两种技术的准确性。

虚拟机提示

虚拟机启动完成后,点击左上角切换到“笔记本”标签,以访问Jupyter Notebook进行练习。

有时,你可能需要等待几秒钟让Jupyter Notebook完成加载。由于Jupyter Notebook的限制,操作验证无法自动化。

如果你在学习过程中遇到问题,随时向Labby提问。课程结束后提供反馈,我们将立即为你解决问题。


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"]) ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"]) sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"]) sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models") sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/neighbors("Nearest Neighbors") sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/model_selection("Model Selection") ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn") subgraph Lab Skills sklearn/linear_model -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}} sklearn/neighbors -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}} sklearn/model_selection -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}} ml/sklearn -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}} end

加载数字数据集

我们将首先使用scikit-learn中的load_digits函数加载数字数据集。此函数返回两个数组:包含输入数据的X_digits和包含目标标签的y_digits

from sklearn import datasets

X_digits, y_digits = datasets.load_digits(return_X_y=True)

预处理数据

然后,我们将通过使用数据的最大值将特征缩放到[0, 1]范围内来预处理数据。这可以通过将输入数据除以输入数据的最大值来完成。

X_digits = X_digits / X_digits.max()

将数据集拆分为训练集和测试集

接下来,我们将使用scikit-learn的train_test_split函数将数据集拆分为训练集和测试集。我们将使用90%的数据进行训练,10%的数据进行测试。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X_digits, y_digits, test_size=0.1, random_state=42)

训练和测试K近邻分类器

现在我们将使用scikit-learn的KNeighborsClassifier函数训练一个K近邻(KNN)分类器,并在测试集上进行测试。然后我们将打印分类器的准确率得分。

from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
knn_score = knn.score(X_test, y_test)

print("KNN score: %f" % knn_score)

训练和测试逻辑回归分类器

现在我们将使用scikit-learn的LogisticRegression函数训练一个逻辑回归分类器,并在测试集上进行测试。然后我们将打印该分类器的准确率得分。

from sklearn.linear_model import LogisticRegression

logistic = LogisticRegression(max_iter=1000)
logistic.fit(X_train, y_train)
logistic_score = logistic.score(X_test, y_test)

print("Logistic Regression score: %f" % logistic_score)

比较两个分类器的准确率

最后,我们将通过打印两个分类器的准确率得分来比较它们的准确率。

print("KNN score: %f" % knn_score)
print("Logistic Regression score: %f" % logistic_score)

总结

在本实验中,我们学习了如何使用scikit-learn对数字数据集应用分类技术。我们加载了数据集,对数据进行了预处理,将数据集拆分为训练集和测试集,然后在测试集上训练和测试了两种不同的分类器(K近邻和逻辑回归)。最后,我们比较了这两种分类器的准确率。