比较 Scikit - 学习中的分类器 | 机器学习教程

简介

在本实验中，我们将在合成数据集上比较Scikit-Learn中的几种分类器。本实验的目的是说明不同分类器决策边界的性质。我们将对数据集进行预处理，将其拆分为训练集和测试集，并绘制数据集。然后，我们将遍历分类器，在训练数据上拟合分类器，绘制决策边界，并绘制测试数据。最后，我们将显示测试集上的分类准确率。

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，请随时向Labby提问。课程结束后提供反馈，我们将立即为你解决问题。

导入必要的库

我们将首先导入必要的库。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
from sklearn.datasets import make_moons, make_circles, make_classification
from sklearn.neural_network import MLPClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
from sklearn.inspection import DecisionBoundaryDisplay

准备数据集

我们将使用三个合成数据集：月牙形、圆形和线性可分数据集。我们将对每个数据集进行预处理，将它们拆分为训练集和测试集，然后绘制数据集。

## 准备数据集
X, y = make_classification(
    n_features=2, n_redundant=0, n_informative=2, random_state=1, n_clusters_per_class=1
)
rng = np.random.RandomState(2)
X += 2 * rng.uniform(size=X.shape)
线性可分数据集 = (X, y)

数据集 = [
    make_moons(noise=0.3, random_state=0),
    make_circles(noise=0.2, factor=0.5, random_state=1),
    线性可分数据集,
]

## 绘制数据集
figure = plt.figure(figsize=(27, 9))
i = 1
for ds_cnt, ds in enumerate(数据集):
    X, y = ds
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.4, random_state=42
    )

    x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
    y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5

    cm = plt.cm.RdBu
    cm_bright = ListedColormap(["#FF0000", "#0000FF"])
    ax = plt.subplot(len(数据集), len(分类器) + 1, i)
    if ds_cnt == 0:
        ax.set_title("输入数据")
    ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright, edgecolors="k")
    ax.scatter(
        X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright, alpha=0.6, edgecolors="k"
    )
    ax.set_xlim(x_min, x_max)
    ax.set_ylim(y_min, y_max)
    ax.set_xticks(())
    ax.set_yticks(())
    i += 1

需注意，文档中“分类器”处原文未给出具体内容，这里保留英文“classifiers”以便对照原文理解。

比较分类器

我们将遍历各个分类器，在训练数据上拟合这些分类器，绘制决策边界，并绘制测试数据。我们还将展示测试集上的分类准确率。

## 定义分类器
名称 = [
    "最近邻",
    "线性支持向量机",
    "径向基函数支持向量机",
    "高斯过程",
    "决策树",
    "随机森林",
    "神经网络",
    "AdaBoost",
    "朴素贝叶斯",
    "二次判别分析",
]

分类器 = [
    KNeighborsClassifier(3),
    SVC(kernel="linear", C=0.025),
    SVC(gamma=2, C=1),
    GaussianProcessClassifier(1.0 * RBF(1.0)),
    DecisionTreeClassifier(max_depth=5),
    RandomForestClassifier(max_depth=5, n_estimators=10, max_features=1),
    MLPClassifier(alpha=1, max_iter=1000),
    AdaBoostClassifier(),
    GaussianNB(),
    QuadraticDiscriminantAnalysis(),
]

## 比较分类器
for 名称, 分类器 in zip(名称, 分类器):
    ax = plt.subplot(len(数据集), len(分类器) + 1, i)

    分类器 = make_pipeline(StandardScaler(), 分类器)
    分类器.fit(X_train, y_train)
    得分 = 分类器.score(X_test, y_test)
    DecisionBoundaryDisplay.from_estimator(
        分类器, X, cmap=cm, alpha=0.8, ax=ax, eps=0.5
    )

    ax.scatter(
        X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright, edgecolors="k"
    )
    ax.scatter(
        X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright, alpha=0.6, edgecolors="k"
    )

    ax.set_xlim(x_min, x_max)
    ax.set_ylim(y_min, y_max)
    ax.set_xticks(())
    ax.set_yticks(())
    if ds_cnt == 0:
        ax.set_title(名称)
    ax.text(
        x_max - 0.3,
        y_min + 0.3,
        ("%.2f" % 得分).lstrip("0"),
        size=15,
        horizontalalignment="right",
    )
    i += 1

需注意，文档中“数据集”处原文未给出具体内容，这里保留英文“datasets”以便对照原文理解。

总结

在本实验中，我们在合成数据集上比较了Scikit - Learn中的几种分类器。我们对数据集进行了预处理，将它们拆分为训练集和测试集，并绘制了数据集。然后，我们遍历了各个分类器，在训练数据上拟合这些分类器，绘制了决策边界，并绘制了测试数据。最后，我们展示了测试集上的分类准确率。

Scikit - 学习分类器比较

简介

虚拟机提示

导入必要的库

准备数据集

比较分类器

总结