python機(jī)器學(xué)習(xí)實(shí)現(xiàn)oneR算法(以鳶尾data為例)
oneR即“一條規(guī)則”。oneR算法根據(jù)已有的數(shù)據(jù)中,具有相同特征值的個(gè)體最可能屬于哪個(gè)類別來進(jìn)行分類。
以鳶尾data為例,該算法實(shí)現(xiàn)過程可解讀為以下六步:
一、 導(dǎo)包與獲取數(shù)據(jù)
以均值為閾值,將大于或等于閾值的特征標(biāo)記為1,低于閾值的特征標(biāo)記為0。
import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris from collections import defaultdict from operator import itemgetter import warnings from sklearn.metrics import classification_report # 加載內(nèi)置iris數(shù)據(jù),并保存 dataset = load_iris() X = dataset.data y = dataset.target attribute_means = X.mean(axis=0) # 得到一個(gè)列表,列表元素個(gè)數(shù)為特征值個(gè)數(shù),列表值為每個(gè)特征的均值 X_d = np.array(X >= attribute_means, dtype='int') # 轉(zhuǎn)bool類型
數(shù)據(jù)到此已獲取完畢,接下來將其劃分為訓(xùn)練集和測(cè)試集。
二、劃分為訓(xùn)練集和測(cè)試集
使用默認(rèn)的0.25作為分割比例。即訓(xùn)練集:測(cè)試集=3:1。
X_train, X_test, y_train, y_test = train_test_split(X_d, y, random_state=random_state)
數(shù)據(jù)描述:
本例中共有四個(gè)特征,
原數(shù)據(jù)集有150個(gè)樣本,分割后訓(xùn)練集有112個(gè)數(shù)據(jù),測(cè)試集有38個(gè)數(shù)據(jù)。
標(biāo)簽一共分為三類,取值可以是0,1,2。
三、定義函數(shù):獲取某特征值出現(xiàn)次數(shù)最多的類別及錯(cuò)誤率
首先遍歷特征的每一個(gè)取值,對(duì)于每一個(gè)特征值,統(tǒng)計(jì)它在各個(gè)類別中出現(xiàn)的次數(shù)。
定義一個(gè)函數(shù),有以下四個(gè)參數(shù):
- X, y_true即 訓(xùn)練集數(shù)據(jù)和標(biāo)簽
- feature是特征的索引值,可以是0,1,2,3。
- value是特征可以有的取值,這里為0,1。
該函數(shù)的意義在于,對(duì)于訓(xùn)練集數(shù)據(jù),對(duì)于某個(gè)特征,依次遍歷樣本在該特征的真實(shí)取值,判斷其是否等于特征的某個(gè)可以有的取值 (即value)(以0為例)。如果判定成功,則在字典class_counts中記錄,以三個(gè)類別(0,1,2)中該樣本對(duì)應(yīng)的類別為鍵值,表示該類別出現(xiàn)的次數(shù)加一。
首先得到的字典(class_counts)形如:
{0: x1, 1.0: x2, 2.0:x3}
其中元素不一定是三個(gè)
x1:類別0中,某個(gè)特征feature的特征值為value(0或1)出現(xiàn)的次數(shù)
x2:類別0中,某個(gè)特征feature的特征值為value(0或1)出現(xiàn)的次數(shù)
x3:類別0中,某個(gè)特征feature的特征值為value(0或1)出現(xiàn)的次數(shù)
然后將class_counts按照值的大小排序,取出指定特征的特征值出現(xiàn)次數(shù)最多的類別:most_frequent_class。
該規(guī)則即為:該特征的該特征值出現(xiàn)在其出現(xiàn)次數(shù)最多的類別上是合理的,出現(xiàn)在其它類別上是錯(cuò)誤的。
最后計(jì)算該規(guī)則的錯(cuò)誤率:error
錯(cuò)誤率即 具有該特征的個(gè)體在除出現(xiàn)次數(shù)最多的類別出現(xiàn)的次數(shù),代表分類規(guī)則不適用的個(gè)體的數(shù)量。
最后返回待預(yù)測(cè)的個(gè)體類別 和 錯(cuò)誤率
def train_feature_value(X, y_true, feature, value): class_counts = defaultdict(int) for sample, y_t in zip(X, y_true): if sample[feature] == value: class_counts[y_t] += 1 sorted_class_counts = sorted(class_counts.items(), key=itemgetter(1), reverse=True) # 降序 most_frequent_class = sorted_class_counts[0][0] error = sum([class_count for class_value, class_count in class_counts.items() if class_value != most_frequent_class]) return most_frequent_class, error
返回值most_frequent_class是一個(gè)字典, error是一個(gè)數(shù)字
四、定義函數(shù):獲取每個(gè)特征值下出現(xiàn)次數(shù)最多的類別、錯(cuò)誤率
def train(X, y_true, feature): n_samples, n_features = X.shape assert 0 <= feature < n_features # 獲取樣本中某特征所有可能的取值 values = set(X[:, feature]) predictors = dict() errors = [] for current_value in values: most_frequent_class, error = train_feature_value(X, y_true, feature, current_value) predictors[current_value] = most_frequent_class errors.append(error) total_error = sum(errors) return predictors, total_error
因?yàn)閙ost_frequent_class是一個(gè)字典,所以predictors是一個(gè)鍵為特征可以的取值(0和1),值為字典most_frequent_class的 字典。
total_error是一個(gè)數(shù)字,為每個(gè)特征值下的錯(cuò)誤率的和。
五、調(diào)用函數(shù),獲取最佳特征值
all_predictors = {variable: train(X_train, y_train, variable) for variable in range(X_train.shape[1])} Errors = {variable: error for variable, (mapping, error) in all_predictors.items()} # 找到錯(cuò)誤率最低的特征 best_variable, best_error = sorted(Errors.items(), key=itemgetter(1))[0] # 升序 print("The best model is based on feature {0} and has error {1:.2f}".format(best_variable, best_error)) # 找到最佳特征值,創(chuàng)建model模型 model = {'variable': best_variable, 'predictor': all_predictors[best_variable][0]} print(model)
根據(jù)代碼運(yùn)行結(jié)果,最佳特征值是特征2(索引值為2的feature,即第三個(gè)特征)。
對(duì)于初學(xué)者這里的代碼邏輯比較復(fù)雜,可以對(duì)變量進(jìn)行逐個(gè)打印查看,閱讀blog學(xué)習(xí)時(shí)要盯準(zhǔn)字眼,細(xì)品其邏輯。
print(all_predictors) print(all_predictors[best_variable]) print(all_predictors[best_variable][0])
六、測(cè)試算法
定義預(yù)測(cè)函數(shù),對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)
def predict(X_test, model): variable = model['variable'] predictor = model['predictor'] y_predicted = np.array([predictor[int(sample[variable])] for sample in X_test]) return y_predicted # 對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè) y_predicted = predict(X_test, model) print(y_predicted)
預(yù)測(cè)結(jié)果:
# 統(tǒng)計(jì)預(yù)測(cè)準(zhǔn)確率 accuracy = np.mean(y_predicted == y_test) * 100 print("The test accuracy is {:.1f}%".format(accuracy))
根據(jù)打印結(jié)果,該模型預(yù)測(cè)的準(zhǔn)確率可達(dá)65.8%,對(duì)于只有一條規(guī)則的oneR算法而言,結(jié)果是比較良好的。到此便實(shí)現(xiàn)了oneR算法的一次完整應(yīng)用。
最后,還可以使用classification_report()方法,傳入測(cè)試集的真實(shí)值和預(yù)測(cè)值,打印出模型評(píng)估報(bào)告。
# 屏蔽警告 warnings.filterwarnings("ignore") # 打印模型評(píng)估報(bào)告 print(classification_report(y_test, y_predicted)) # 參數(shù)為測(cè)試集的真實(shí)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)
到此這篇關(guān)于python機(jī)器學(xué)習(xí)實(shí)現(xiàn)oneR算法(以鳶尾data為例)的文章就介紹到這了,更多相關(guān)python oneR算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python機(jī)器學(xué)習(xí)之決策樹算法實(shí)例詳解
- 機(jī)器學(xué)習(xí)之KNN算法原理及Python實(shí)現(xiàn)方法詳解
- Python機(jī)器學(xué)習(xí)k-近鄰算法(K Nearest Neighbor)實(shí)例詳解
- Python機(jī)器學(xué)習(xí)算法之k均值聚類(k-means)
- Python機(jī)器學(xué)習(xí)之scikit-learn庫中KNN算法的封裝與使用方法
- python機(jī)器學(xué)習(xí)案例教程——K最近鄰算法的實(shí)現(xiàn)
- python機(jī)器學(xué)習(xí)之KNN分類算法
- Python語言描述機(jī)器學(xué)習(xí)之Logistic回歸算法
- Python機(jī)器學(xué)習(xí)之PCA降維算法詳解
相關(guān)文章
Python數(shù)據(jù)結(jié)構(gòu)與算法中的棧詳解
這篇文章主要為大家詳細(xì)介紹了Python數(shù)據(jù)結(jié)構(gòu)與算法中的棧,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助2022-03-03python簡單實(shí)現(xiàn)插入排序?qū)嵗a
在本篇文章里小編給大家整理了一篇關(guān)于python簡單實(shí)現(xiàn)插入排序?qū)嵗a,有需要的朋友們可以學(xué)習(xí)參考下。2020-12-12Python機(jī)器學(xué)習(xí)多層感知機(jī)原理解析
最簡單的深度網(wǎng)絡(luò)稱為多層感知機(jī),它們由多層神經(jīng)元組成,每一層都與下面一層(從中接收輸入)和上面一層(反過來影響當(dāng)前層的神經(jīng)元)完全相連2021-10-10Python?操作?MongoDB數(shù)據(jù)庫的方法(非?ODM)
這篇文章主要介紹了Python?操作?MongoDB?----非?ODM的方法,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2023-03-03利用Python yagmail三行代碼實(shí)現(xiàn)發(fā)送郵件
這篇文章主要給大家介紹了關(guān)于利用Python yagmail三行代碼實(shí)現(xiàn)發(fā)送郵件的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2018-05-05python中數(shù)據(jù)爬蟲requests庫使用方法詳解
本篇文章主要介紹了python中數(shù)據(jù)爬蟲requests庫使用方法詳解,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-02-02Python實(shí)現(xiàn)的微信公眾號(hào)群發(fā)圖片與文本消息功能實(shí)例詳解
這篇文章主要介紹了Python實(shí)現(xiàn)的微信公眾號(hào)群發(fā)圖片與文本消息功能,結(jié)合實(shí)例形式詳細(xì)分析了Python調(diào)用微信接口實(shí)現(xiàn)微信公眾號(hào)群發(fā)圖片與文本消息的具體操作步驟與相關(guān)注意事項(xiàng),需要的朋友可以參考下2017-06-06Python實(shí)現(xiàn)將n個(gè)點(diǎn)均勻地分布在球面上的方法
這篇文章主要介紹了Python實(shí)現(xiàn)將n個(gè)點(diǎn)均勻地分布在球面上的方法,涉及Python繪圖的技巧與相關(guān)數(shù)學(xué)函數(shù)的調(diào)用,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-03-03