python数据分析从入门到进阶：分类算法实现：上（含详细代码）
《python机器学习从入门到高级》分类算法：（上）
引言
我们在之前的文章已经介绍了机器学习的一些基础概念，当拿到一个数据之后如何处理、如何评估一个模型、以及如何对模型调参等。接下来，我们正式开始学习如何实现机器学习的一些算法。 回归和分类是机器学习的两大最基本的问题，对于分类算法的详细理论部分。 本文主要从python代码的角度来实现分类算法。
# 导入相关库 import sklearn import pandas as pd import numpy as np import matplotlib.pyplot as plt 🌳1. 数据准备
下面我们以mnist数据集为例进行演示，这是一组由美国人口普查局的高中生和雇员手写的70000个数字图像。每个图像都用数字表示。也是分类问题非常经典的一个数据集
# 导入mnist数据集 from sklearn.datasets import fetch_openml mnist = fetch_openml('mnist_784', version=1, as_frame=False) mnist.keys() dict_keys(['data', 'target', 'frame', 'categories', 'feature_names', 'target_names', 'DESCR', 'details', 'url']) 其中data是我们输入的特征，target是0-9的数字
X, y = mnist["data"], mnist["target"] X.shape,y.shape ((70000, 784), (70000,)) 可以看出一共有70000图像，其中X一共有784个特征，这是因为图像是28×28的，每个特征是0-255之间的。下面我们通过imshow()函数将其进行还原
%matplotlib inline import matplotlib as mpl digit = X[0] digit_image = digit.reshape((28, 28))#还原成28×28 plt.imshow(digit_image, cmap=mpl.cm.binary) plt.axis("off") plt.savefig("some_digit_plot") plt.show()
从我们人类角度来看，我们很容易辨别它是5，我们要做的是，当给机器一张图片时，它能辨别出正确的数字吗？我们来看看y的值
y[0] '5' 我们要实现的就是，给我们一张图片，不难发现这是一个多分类任务，下面我们正式进入模型建立，首先将数据集划分为训练集和测试集，这里简单的将前60000个划分为训练集，后10000个为测试集，具体代码如下
y = y.astype(np.uint8)#将y转换成整数 X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:] 🌴2.简单二元分类实现
在实现多分类任务之前，我们先从一个简单的问题考虑，现在假设我只想知道给我一张图片，它是否是7（我最喜欢的数字）。这个时候就是一个简单的二分类问题，首先我们要将我们的目标变量进行转变，具体代码如下
y_train_7 = (y_train == 7) y_test_7 = (y_test == 7) 现在，我们选择一个分类器并对其进行训练。我们先使用SGD（随机梯度下降）分类器
from sklearn.linear_model import SGDClassifier sgd_clf = SGDClassifier(max_iter=1000, tol=1e-3, random_state=123)#设置random_state为了结果的重复性 sgd_clf.fit(X_train, y_train_7) SGDClassifier(random_state=123) 训练好模型之后我们可以进行预测，以第一张图片为例，我们预测一下它是否是7（很显然我们知道不是）
sgd_clf.predict(X[0].reshape((1,-1))) array([False]) 🌵3.模型评估
我们根据分类评估指标来看看SGD分类器效果
🌾3.1 准确率
from sklearn.model_selection import cross_val_score cross_val_score(sgd_clf, X_train, y_train_7, cv=3, scoring="accuracy") array([0.97565, 0.97655, 0.963 ]) 🌿3.2 混淆矩阵
y_train_pred = sgd_clf.predict(X_train) from sklearn.metrics import confusion_matrix confusion_matrix(y_train_7, y_train_pred) array([[53304, 431], [ 550, 5715]], dtype=int64) ☘️3.3 召回率和精确度
from sklearn.metrics import precision_score, recall_score print('precision:',precision_score(y_train_7, y_train_pred)) print('recall:',recall_score(y_train_7,y_train_pred)) precision: 0.929873088187439 recall: 0.9122106943335994 🍁3.4 ROC曲线
from sklearn.metrics import roc_curve fpr, tpr, thresholds = roc_curve(y_train_7, y_scores) plt.plot(fpr, tpr, linewidth=2) plt.plot([0, 1], [0, 1], 'k--') plt.axis([0, 1, 0, 1]) plt.xlabel('False Positive Rate (Fall-Out)', fontsize=16) plt.ylabel('True Positive Rate (Recall)', fontsize=16) plt.grid(True)
---------------------------END---------------------------
题外话
感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。
👉ZEEKLOG大礼包🎁：（安全链接，放心点击）
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了，安装就可直接上手！
三、最新Python学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
👉ZEEKLOG大礼包🎁：（安全链接，放心点击）
若有侵权，请联系删除
