数据分析-分类-案例
目录
1、导入必要的包
2、读入数据
3、数据探索
4、数据预处理
6、建立模型
6.1逻辑回归
6.2 K近邻
6.3 决策树
6.4 朴素贝叶斯
6.5 SVC
0、数据集介绍
数据集来源:UCI
UCI Machine Learning Repository: Car Evaluation Data Set
Title: Car Evaluation Database
Sources:
(a) Creator: Marko Bohanec
(b) Donors: Marko Bohanec (marko.bohanec@ijs.si)
Blaz Zupan (blaz.zupan@ijs.si)
(c) Date: June, 1997Number of Instances: 1728
Attribute Values:
buying v-high, high, med, low
maint v-high, high, med, low
doors 2, 3, 4, 5-more
persons 2, 4, more
lug_boot small, med, big
safety low, med, highMissing Attribute Values: none
Class Distribution (number of instances per class)
unacc 1210 (70.023 %)
acc 384 (22.222 %)
good 69 ( 3.993 %)
v-good 65 ( 3.762 %)
1、导入必要的包
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
import matplotlib.pyplot as plt
import pandas as pd
2、读入数据
读入数据,并为每个特征命名。
car_data=pd.read_csv("d:/datasets/car_evaluation.csv",names=["buying","maint","doors","person","lug_boot","safety","car_acc"])
3、数据探索
car_data.head()
car_data.tail()
car_data.describe()
car_data.info()
#查看特征与标签的取值
for i in car_data.columns:print(car_data[i].value_counts())
4、数据预处理
标签编码(map方法)。
car_data.car_acc=car_data.car_acc.map({"unacc":1,"acc":0,"good":0,"vgood":0})
特征编码get_dummies())
car_data_=pd.get_dummies(car_data[["lug_boot","safety","buying","maint","doors","person"]])
5、训练集、测试集划分
train_x,test_x,train_y,test_y=train_test_split(car_data_,car_data.car_acc,test_size=0.3,random_state=10)
6、建立模型
6.1逻辑回归
建立模型、训练、预测
lr=LogisticRegression()
lr.fit(train_x,train_y)
y_pre=lr.predict(test_x)
评价
print(classification_report(y_pre,test_y)) #输出分类报告
print(lr.coef_) #输出回归系数
lr.score(test_x,test_y) #输出正确率
from sklearn.metrics import accuracy_score
accuracy_score(y_pre,test_y) #输出正确率
from sklearn.metrics import confusion_matrix
import seaborn as sns
sns.set(font="SimHei")
lgr=LogisticRegression(random_state=1)
lgr.fit(X_train,Y_train)
y_pre=lgr.predict(x_test)
print(lgr.score(x_test,y_test))
ax=sns.heatmap(confusion_matrix(y_test,y_pre),annot=True,fmt="d",xticklabels=["满意","不满意"],yticklabels=["满意","不满意"])
ax.set_ylabel("真实")
ax.set_xlabel("预测")
ax.set_title("混淆矩阵")
6.2 K近邻
建立模型、训练、预测
from sklearn.neighbors import KNeighborsClassifier
kn=KNeighborsClassifier()
kn.fit(X_train,Y_train)
y_pre=kn.predict(x_test)
评价
print(kn.score(x_test,y_test))
print(classification_report(y_test,y_pre))
ax=sns.heatmap(confusion_matrix(y_test,y_pre),annot=True,fmt="d",xticklabels=["满意","不满意"],yticklabels=["满意","不满意"])
ax.set_ylabel("真实")
ax.set_xlabel("预测")
ax.set_title("混淆矩阵")
调参(不同邻居数量对模型的效果的影响)
k_score=[KNeighborsClassifier(n_neighbors=k).fit(X_train,Y_train).score(x_test,y_test) for k in range(1,10)]
import matplotlib.pyplot as plt
plt.plot(range(1,10),k_score,"b")
plt.xlabel("k")
plt.ylabel("正确率")
plt.title("k值对正确率的影响")
6.3 决策树
建立模型、训练、预测
from sklearn.tree import DecisionTreeClassifier
dt=DecisionTreeClassifier(max_depth=3) #深度较小,为方便可视化
dt.fit(train_x,train_y)
dt_pre=dt.predict(test_x)
评价
dt.score(test_x,test_y)
print(classification_report(dt_pre,test_y))
可视化决策树
前提:已安装graphviz
安装graphviz过程:
- 下载graphviz,选择与操作系统对应的版本 Download | Graphviz
- 安装graphviz
- 修改环境变量(将dot.exe文件的路径加到用户或系统环境变量的path中,一般是:C:\Program Files\Graphviz\bin)
- 安装graphviz python包:pip install graphviz
- 重启 jupyter
from sklearn.tree import export_graphviz
from six import StringIO
from IPython.display import Image
import pydotplus
plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文
plt.rcParams['axes.unicode_minus']=False #正常显示负号“-”## 输出图片到dot文件
export_graphviz(dt, out_file='tree.dot', feature_names=train_x.columns,rounded=True, filled=True,class_names=['acc', 'unacc'])
## 使用dot文件构造图
graph= pydotplus.graph_from_dot_file('tree.dot')
Image(graph.create_png())
6.4 朴素贝叶斯
from sklearn.naive_bayes import GaussianNB
from sklearn.naive_bayes import BernoulliNB
from sklearn.naive_bayes import MultinomialNB
GNB=GaussianNB()
GNB.fit(train_x,train_y)
y_pred=GNB.predict(test_x)
GNB.score(test_x,test_y)
print(classification_report(test_y,y_pred))
pd.DataFrame(GNB.theta_.T,index=test_x.columns).rename(columns={0:"0类",1:"1类"}).plot(kind="bar",rot=60,figsize=(12,5))
BNB=BernoulliNB()
BNB.fit(train_x,train_y)
y_pred=BNB.predict(test_x)
BNB.score(test_x,test_y)
print(classification_report(test_y,y_pred))
MNB=MultinomialNB()
MNB.fit(train_x,train_y)
y_pred=MNB.predict(test_x)
MNB.score(test_x,test_y)
print(classification_report(test_y,y_pred))
6.5 SVC
from sklearn.svm import SVC
from sklearn.svm import LinearSVC
SVC_=SVC()
SVC_.fit(train_x,train_y)
y_pred=SVC_.predict(test_x)
SVC_.score(test_x,test_y)
print(classification_report(test_y,y_pred))
LSVC_=LinearSVC()
LSVC_.fit(train_x,train_y)
y_pred=LSVC_.predict(test_x)
LSVC_.score(test_x,test_y)
print(classification_report(test_y,y_pred))
数据分析-分类-案例相关推荐
- PySpark——随机森林分类案例
PySpark--随机森林分类案例 一.随机森林 随机森林案例 """ Random Forest Classifier Example. ""&qu ...
- python朋友圈点赞统计_Python数据分析实战案例:统计分析微信朋友圈数据(附实操视频)...
原标题:Python数据分析实战案例:统计分析微信朋友圈数据(附实操视频) 本文内容将通过一个具体实例讲解将朋友圈数据导出为JSON文件的方法,并介绍使用Python统计分析JSON数据的过程. 注: ...
- 白话Elasticsearch37-深入聚合数据分析之案例实战Date Histogram Aggregation:统计每月电视销量
文章目录 概述 官方说明 实例: 统计每月电视销量,没有销量的月份也要统计 概述 继续跟中华石杉老师学习ES,第37篇 课程地址: https://www.roncoo.com/view/55 官方说 ...
- 白话Elasticsearch34-深入聚合数据分析之案例实战bucket嵌套实现颜色+品牌的多层下钻分析
文章目录 概述 案例 需求 解决 Step1.对每种颜色进行bucket分组 Step2.对每种颜色进行bucket分组 , 然后对每个分组再次计算平均价格 Step3.对每种颜色进行bucket分组 ...
- 白话Elasticsearch33-深入聚合数据分析之案例实战bucket + metrics 统计每种颜色电视平均价格
文章目录 概述 官方说明Avg Aggregation 案例:统计每种颜色电视平均价格 概述 继续跟中华石杉老师学习ES,第33篇 课程地址: https://www.roncoo.com/view/ ...
- [Python人工智能] 十二.循环神经网络RNN和LSTM原理详解及TensorFlow编写RNN分类案例
从本专栏开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇讲解了TensorFlow如何保存变量和神经网络参数,通过Saver保存神经网络,再通过Restore调用训练好的 ...
- 机器学习Sklearn——红酒分类案例详解决策树模型参数
目录 1 分类树 1.1 红酒分类案例 1.1.1 导入包 1.1.2 观察.分割数据 1.1.3 三段论 2 参数介绍 2.1 重要参数 2.2 控制随机选项参数 2.3 剪枝参数 3 批量测试合适 ...
- 机器学习-新闻分类案例
新闻分类案例 项目概述 用TF-IDF和词袋表示文档特征 使用 CounterVectorizer 和 TfidfTransformer 计算 TF-IDF 直接使用 TfidfVectorizer ...
- 视频教程-Python数据分析与案例教程:分析人口普查数据-Python
Python数据分析与案例教程:分析人口普查数据 多年互联网从业经验: 有丰富的的企业网站.手游.APP开发经验: 曾担任上海益盟软件技术股份有限公司项目经理及产品经理: 参与项目有益盟私募工厂.睿妙 ...
最新文章
- hihoCoder #1047 Random Tree
- 什么是BI?什么是DW?ETL(Extract-Transform-Load)是什么?
- Docker了解(官方解读)
- 《ActionScript 3.0基础教程》——第2章 往舞台动态地添加对象2.1 创建库资源,并为它命名...
- java基础(七) 深入解析java四种访问权限
- eplan单线原理图多线原理图_【原创分享】西门子PLC电路图高效设计——基于EPLAN与TIA Selection...
- python和noip的区别_【noi与noip的区别】
- POJ 2054 Color a Tree
- java类怎么删除对象_java中对象的生成使用和删除
- 适配器模式 Adapter Pattern
- 如何在 Mac 上重命名 Apple Magic Mouse?
- xv6 syscall实验
- 谁再说“游戏没用”,就拿这个回怼他!
- 在JavaScript中NaN为什么不等于NaN
- python之if-else_Python中的if-else
- python画二次函数图像的顶点坐标为_二次函数顶点坐标公式
- 扬帆起航——第一篇博客
- 显式类型转换和隐式类型转换区别?
- UI 自动化的页面对象管理工具之实现思路
- 《潮流时装设计——世界顶级时装CAD制板技巧》——1.1 什么是服装CAD
热门文章
- Vue与Angular以及React的区别
- 王者荣耀测试自己本命英雄软件,王者荣耀中谁是你的本命英雄测试地址 趣推测试王者荣耀中谁是你的本命英雄...
- HTML5 video视频制作,控制按钮
- 渗透杂记2013-07-31
- 6月2亚欧盘黄金走势分析交易策略小心空头反击高位谨慎追多
- BATJ大数据架构师带你领略实时计算框架Flink的魅力!
- 叮! Q币派送中,快来看看你中奖了吗?
- 思科全球副总裁、大中华区首席技术官曹图强:网络安全不是奢侈品,而是必需品...
- 达芬奇发明计算机读后感200,三年级读后感:读《达芬奇》有感200字
- bat文件开启mysql服务器,bat文件启动mysql服务器