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。
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。
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。
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。