转自：http://blog.csdn.net/sileixinhua/article/details/70477303


本项目为机器学习的学习笔记 用iris.csv作为数据集 测试了一下功能代码

实验环境：
Windows10
Sublime
Anaconda 1.6.0
Python3.6

1.条状图显示组平均数，可以从图上看出不同的花种类中，他们的属性特点。
[python] view plain copy
  1. #条状图显示组平均数，可以从图上看出不同的花种类中，他们的属性特点。  
  2. import pandas as pd  
  3. from matplotlib import pyplot as plt  
  4.   
  5. iris_data=pd.read_csv("iris.csv")  
  6. #读取数据  
  7. grouped_data=iris_data.groupby("species")  
  8. #用不同的花的类别分成不同的组，此数据为三组  
  9. group_mean=grouped_data.mean()  
  10. #求组平均值  
  11. group_mean.plot(kind="bar")  
  12. plt.legend(loc="upper center",bbox_to_anchor=(0.5,1.2),ncol=2)  
  13. plt.show()  
  14. #画图  

运行结果


2.画kde图
[python] view plain copy
  1. #画kde图  
  2. import pandas as pd  
  3. from matplotlib import pyplot as plt  
  4.   
  5. iris_data=pd.read_csv("iris.csv")  
  6. iris_data.plot(kind="kde",subplots=True,figsize=(10,6))  
  7. plt.show()  


运行结果


3.四种属性特征的平均值 条状图
[python] view plain copy
  1. #四种属性特征的平均值 条状图  
  2. import pandas as pd  
  3. from matplotlib import pyplot as plt  
  4.   
  5. iris_data=pd.read_csv("iris.csv")  
  6. iris_mean=iris_data.mean()  
  7. iris_mean.plot(kind="bar",rot=45)  
  8. plt.show()  

运行结果


4.用numpy创建随机值，测试，与数据项目无关
[python] view plain copy
  1. #用numpy创建随机值，测试，与数据项目无关  
  2. import numpy as np  
  3. from matplotlib import pyplot as plt  
  4.   
  5. n,m,s=40,160,10  
  6. data=np.random.random(n)*s+m  
  7. #print(data)  
  8. c,x,_=plt.hist(data,10)  
  9. print(c)  
  10. print(x)  
  11. plt.show()  

运行结果


5.绘制样本图
[python] view plain copy
  1. #绘制样本图  
  2. import pandas as pd  
  3. from matplotlib import pyplot as plt  
  4.   
  5. iris_data=pd.read_csv("iris.csv")  
  6. for name,symbol in zip(("setosa","versicolor","virginica"),("o","s","*")):  
  7.     data=iris_data[iris_data["species"]==name]  
  8. plt.plot(data["petal_length"],data["petal_width"],symbol)  
  9. plt.show()  

运行结果


6.用sqlite3读取数据
[python] view plain copy
  1. #用sqlite3读取数据  
  2. import sqlite3  
  3. con=sqlite3.connect("iris.db")  
  4.   
  5. cursor=con.execute("SELECT * FROM iris WHERE Species = 'virginica'")  
  6. for row in cursor:  
  7.     print(rwo[0],rwo[1],rwo[2],rwo[3],rwo[4])  

7.用pandas读取数据
[python] view plain copy
  1. #用pandas读取数据  
  2. import pandas as pd  
  3.   
  4. iris_data=pd.read_csv("iris.csv")  
  5. print(iris_data.head(5))  

8.用原生Python读取数据
[python] view plain copy
  1. #用原生Python读取数据  
  2. fp=open("iris.csv","r")  
  3. next(fp)  
  4. iris_data=[]  
  5. for line in fp:  
  6.     record = line.strip().split(".")  
  7.     iris_data.append(record)  
  8. print(iris_data[:5])  

9.用sqlalchemy 读取数据
[python] view plain copy
  1. #用sqlalchemy 读取数据  
  2. import sqlalchemy  
  3.   
  4. engine=sqlalchemy.create_engine("sqlite:///iris.db")  
  5.   
  6. iris_data=pd.read_sql("SELECT * FROM iris",engine)  
  7. print(iris_data)  

10.用sklearn的交叉验证 训练数据集
[python] view plain copy
  1. #用sklearn的交叉验证 训练数据集  
  2. import pandas as pd  
  3. from sklearn import cross_validation  
  4. from sklearn.neighbors import KNeighborsClassifier  
  5.   
  6. x=pd.read_csv("iris.csv")  
  7. y=x.pop("species")  
  8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  9.   
  10. scores=cross_validation.cross_val_score(KNeighborsClassifier(3),x,y,cv=5)  
  11. mean_score=scores.mean()  
  12. print(mean_score)  

运行结果

验证精度为0.97

11.用sklearn的KNN 训练数据集
[python] view plain copy
  1. #用sklearn的KNN 训练数据集  
  2. import pandas as pd  
  3. from sklearn import cross_validation  
  4. from sklearn.neighbors import KNeighborsClassifier  
  5.   
  6. x=pd.read_csv("iris.csv")  
  7. y=x.pop("species")  
  8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  9.   
  10. knn=KNeighborsClassifier(3).fit(x_train,y_train)  
  11. for y_pred,y_true in zip(knn.predict(x_test),y_test):  
  12.     print(y_pred,y_true)  
  13. print(knn.score(x_test,y_test))  

运行结果

验证精度为1.0

12.用sklearn的逻辑斯蒂回归 训练数据集
[python] view plain copy
  1. #用sklearn的逻辑斯蒂回归 训练数据集  
  2. import pandas as pd  
  3. from sklearn import cross_validation  
  4. from sklearn.linear_model import LogisticRegression  
  5.   
  6. x=pd.read_csv("iris.csv")  
  7. y=x.pop("species")  
  8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  9.   
  10. lr=LogisticRegression(multi_class="multinomial",solver="lbfgs").fit(x_train,y_train)  
  11. print(lr.predict_proba(x_test))  

运行结果

图上为预测的数据

13.用sklearn的朴素贝叶斯 训练数据集
[python] view plain copy
  1. #用sklearn的朴素贝叶斯 训练数据集  
  2. import pandas as pd  
  3. from sklearn import cross_validation  
  4. from sklearn.naive_bayes import GaussianNB  
  5.   
  6. x=pd.read_csv("iris.csv")  
  7. y=x.pop("species")  
  8. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  9.   
  10. gnb=GaussianNB().fit(x_train,y_train)  
  11. print(gnb.predict_proba(x_test))  
  12. print(gnb.class_prior_)  

运行结果

图上为预测的数据和分组的结果

14.用sklearn的交叉验证 KNN 逻辑蒂斯回归 三种方式 训练数据集 并对比
[python] view plain copy
  1. #用sklearn的交叉验证 KNN 逻辑蒂斯回归 三种方式 训练数据集 并对比  
  2. import pandas as pd  
  3. from sklearn import cross_validation  
  4. from sklearn.naive_bayes import GaussianNB  
  5. from sklearn.neighbors import KNeighborsClassifier  
  6. from sklearn.linear_model import LogisticRegression  
  7.   
  8. x=pd.read_csv("iris.csv")  
  9. y=x.pop("species")  
  10. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  11.   
  12. models={  
  13.     "knn":KNeighborsClassifier(6),  
  14.     "gnb":GaussianNB(),  
  15.     "lr":LogisticRegression(multi_class="multinomial",solver="lbfgs")  
  16. }  
  17.   
  18. for name,model in models.items():  
  19.     score=cross_validation.cross_val_score(model,x,y,cv=5).mean()  
  20.     print(name,score)  

运行结果

KNN算法的验证精度为0.98
朴素贝叶斯算法的验证精度为0.95
逻辑斯蒂回归算法的验证精度为0.97

15. 用sklearn的SVM 训练数据集
[python] view plain copy
  1. import pandas as pd   
  2. from sklearn import svm,metrics,cross_validation  
  3.   
  4. iris_data=pd.read_csv("iris.csv")  
  5.   
  6. x=iris_data[["sepal_length","sepal_width","petal_length","petal_width"]]  
  7. y=iris_data["species"]  
  8.   
  9. x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
  10. clf=svm.SVC()  
  11. clf.fit(x_train,y_train)  
  12. pre=clf.predict(x_test)  
  13.   
  14. score=metrics.accuracy_score(y_test,pre)  
  15. print(score)  

运行结果

验证精度为0.93

参考文献：
《统计学习方法》
《 Web scraping and machine learning by python》

# python # sklearn
Logo
开放原子开发者工作坊

开放原子开发者工作坊旨在鼓励更多人参与开源活动，与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动，如meetup、训练营等，主打技术交流，干货满满，真诚地邀请各位开发者共同参与！

更多推荐

“源”聚天大，码动未来|开放原子校源行（天津大学站）即将启幕！

11月22日，开放原子校源行（天津大学站）将在天津大学北洋园校区隆重举办。

avatar 开放原子开发者工作坊

openEuler系累计装机量突破1000万，树立操作系统产业新里程碑

11月15日，以“以智能，致世界”为主题的操作系统大会2024在北京中关村国际创新中心召开。

avatar 开放原子开发者工作坊

多模态大模型&科学计算双管齐下，百度飞桨两大赛项报名倒计时！

第二届开放原子大赛是由开放原子开源基金会组织举办的开源技术领域专业赛事，聚焦解决真问题，重点覆盖基础软件、工业软件、人工智能大模型等领域

avatar 开放原子开发者工作坊