sklearn学习

Posted on

Sklearn 笔记

安装

1
2
3
4
5
# pip 安装
pip install -U scikit-learn

# conda 安装
conda install scikit-learn

模型优化

分类器

随机森林

1
2
3
4
from sklearn.ensemble import RandomForestClassifier

forest_clf = RandomForestClassifier(random_state=42)
forest_clf.fit(X_train, Y_train)

随机梯度

1
2
3
4
from sklearn.linear_model import SGDClassifier

sgd_clf = SGDClassifier(random_state=42)
sgd_clf.fit(X_train, Y_train)

误差分析

混淆矩阵

1
2
3
4
5
6
7
8
from sklearn.model_selection import cross_val_predict
from sklearn.metrics import confusion_matrix

# 使用交叉验证做出预测
y_train_pred = cross_val_predict(sgd_clf, X_train, y_train, cv=3)

# 获取混淆矩阵
conf_mx = confusion_matrix(Y_train, y_train_pred)

查看结果

1
2
3
4
5
# 画图
import matplotlib.pyplot as plt
%matplotlib inline
plt.matshow(conf_mx, cmap=plt.cm.gray)
plt.show()

有时候我们仅关注误差数据图像呈现。

1
2
3
4
5
6
row_sums = conf_mx.sum(axis=1, keepdims=True)
norm_conf_mx = conf_mx / row_sums # 混淆矩阵每一列除以每种类型数量

np.fill_diagonal(norm_conf_mx, 0)  # 对角线用0填充
plt.matshow(norm_conf_mx, cmap=plt.cm.gray)
plt.show()

说明下，这里行代表实际类别，列代表预测的类别。颜色越亮说明分错概率越高。

准确率

召回率