数据显示及训练方法

转自：http://blog.csdn.net/sileixinhua/article/details/70477303源码地址：https://github.com/sileixinhua/Python_data_science_by_iris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：Windows10Sub

KerryMo

415人浏览 · 2017-12-23 11:55:50

KerryMo · 2017-12-23 11:55:50 发布

   转自：http://blog.csdn.net/sileixinhua/article/details/70477303 
 
   源码地址： 
  https://github.com/sileixinhua/Python_data_science_by_iris 
 
  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 
    
 #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。  
 import pandas as pd  
 from matplotlib import pyplot as plt  
   
 iris_data=pd.read_csv("iris.csv")  
 #读取数据  
 grouped_data=iris_data.groupby("species")  
 #用不同的花的类别分成不同的组，此数据为三组  
 group_mean=grouped_data.mean()  
 #求组平均值  
 group_mean.plot(kind="bar")  
 plt.legend(loc="upper center",bbox_to_anchor=(0.5,1.2),ncol=2)  
 plt.show()  
 #画图  

   运行结果

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

   运行结果

 
  3.四种属性特征的平均值 条状图 
 
[python] view plain copy 
     
 #四种属性特征的平均值 条状图  
 import pandas as pd  
 from matplotlib import pyplot as plt  
   
 iris_data=pd.read_csv("iris.csv")  
 iris_mean=iris_data.mean()  
 iris_mean.plot(kind="bar",rot=45)  
 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 
     
 #用numpy创建随机值，测试，与数据项目无关  
 import numpy as np  
 from matplotlib import pyplot as plt  
   
 n,m,s=40,160,10  
 data=np.random.random(n)*s+m  
 #print(data)  
 c,x,_=plt.hist(data,10)  
 print(c)  
 print(x)  
 plt.show()  


   运行结果 
 

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


   运行结果 
 

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

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

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

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

 
  10.用sklearn的交叉验证 训练数据集 
 
[python] view plain copy 
     
 #用sklearn的交叉验证 训练数据集  
 import pandas as pd  
 from sklearn import cross_validation  
 from sklearn.neighbors import KNeighborsClassifier  
   
 x=pd.read_csv("iris.csv")  
 y=x.pop("species")  
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
   
 scores=cross_validation.cross_val_score(KNeighborsClassifier(3),x,y,cv=5)  
 mean_score=scores.mean()  
 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 
     
 #用sklearn的KNN 训练数据集  
 import pandas as pd  
 from sklearn import cross_validation  
 from sklearn.neighbors import KNeighborsClassifier  
   
 x=pd.read_csv("iris.csv")  
 y=x.pop("species")  
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
   
 knn=KNeighborsClassifier(3).fit(x_train,y_train)  
 for y_pred,y_true in zip(knn.predict(x_test),y_test):  
     print(y_pred,y_true)  
 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 
     
 #用sklearn的逻辑斯蒂回归 训练数据集  
 import pandas as pd  
 from sklearn import cross_validation  
 from sklearn.linear_model import LogisticRegression  
   
 x=pd.read_csv("iris.csv")  
 y=x.pop("species")  
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
   
 lr=LogisticRegression(multi_class="multinomial",solver="lbfgs").fit(x_train,y_train)  
 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 
     
 #用sklearn的朴素贝叶斯 训练数据集  
 import pandas as pd  
 from sklearn import cross_validation  
 from sklearn.naive_bayes import GaussianNB  
   
 x=pd.read_csv("iris.csv")  
 y=x.pop("species")  
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
   
 gnb=GaussianNB().fit(x_train,y_train)  
 print(gnb.predict_proba(x_test))  
 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 
     
 #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  
 import pandas as pd  
 from sklearn import cross_validation  
 from sklearn.naive_bayes import GaussianNB  
 from sklearn.neighbors import KNeighborsClassifier  
 from sklearn.linear_model import LogisticRegression  
   
 x=pd.read_csv("iris.csv")  
 y=x.pop("species")  
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
   
 models={  
     "knn":KNeighborsClassifier(6),  
     "gnb":GaussianNB(),  
     "lr":LogisticRegression(multi_class="multinomial",solver="lbfgs")  
 }  
   
 for name,model in models.items():  
     score=cross_validation.cross_val_score(model,x,y,cv=5).mean()  
     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 
     
 import pandas as pd   
 from sklearn import svm,metrics,cross_validation  
   
 iris_data=pd.read_csv("iris.csv")  
   
 x=iris_data[["sepal_length","sepal_width","petal_length","petal_width"]]  
 y=iris_data["species"]  
   
 x_train,x_test,y_train,y_test=cross_validation.train_test_split(x.values,y.values,test_size=0.1)  
 clf=svm.SVC()  
 clf.fit(x_train,y_train)  
 pre=clf.predict(x_test)  
   
 score=metrics.accuracy_score(y_test,pre)  
 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》

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

OpenLoong项目通过技术监督委员会（TOC）评审

开放原子开发者工作坊

开发者谈开源：KWDB开源数据库的未来路径与生态构建实践

开放原子开发者工作坊

开发者谈开源：洞悉协作创新背后的机遇与挑战

近日，在2024开放原子开发者大会暨首届开源技术学术大会开幕式上，开放原子开源基金会与openKylin、EasyAda、KWDB开源项目举行捐赠签约仪式。一场捐赠签约仪式，让三个开源项目及其背后的开发者们受到瞩目。本次，我们与“龘”（EasyAda）核心维护者王伶卓开启了对话。

开放原子开发者工作坊

所有评论(0)

查看更多评论

KerryMo

@yaoxy

已为社区贡献2条内容