一步一步认知机器学习

1,前言

之前学习并且实操了一些算法框架用来探索相关方向的可能性,但是总不了解相关的步骤。因为一步一步按照别人给出的步骤去操作,解决一些操作时出现的问题,基本可以达到目的。但是这个也基本限制了在那个框架而已。对于算法还是知之甚少。这两天碰到了scikit-learn,觉得很不错,于是去敲敲代码,了解了解。文章主要为我学习所需,记录和强化我的认知。觉得有用则看,无用则略过

2,机器学习方式

ch02_机器学习基础/第二章_机器学习基础.md · zhucoding/DeepLearning-500-questions - Gitee.com

a,监督学习--体现为标记输入数据集(最常用):分类,回归

b,非监督式学习--体现为未标记输入数据集:聚类

c,半监督式学习:相当于监督学习的延伸,未标记的数据用来预测

d,弱监督式学习:

3,监督学习步骤

①数据集创建和分类:标记数据

②数据增强:对图片数据进行旋转,平移,颜色转换,裁剪,仿射变换等

③特征工程:特征提取和特征选择---特征工程的方法和步骤_特征工程流程-CSDN博客

④构建预测模型和损失

⑤训练

⑥验证和模型选择

⑦测试和应用

3,例子

使用scikit learning鸢尾花数据,去模拟大致跑一次基础流程先

基本流程

获取数据(包括特征值x,目标属性y)-->划分训练集、测试集-->选好模型(支持向量机,LR分类模型,随机森林分类模型)-->开始进行训练集训练(交叉验证,调超参)-->得到训练集最佳模型识别率和置信度-->开始进行测试集训练(交叉验证,调超参)-->得到测试集集最佳模型识别率和置信度

复制代码
# 模型加入了调参
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.svm import SVC

dataset = load_iris()  # 得到鸢尾花的数据

x = dataset.data

y = dataset.target
print(x)
print(y)

train_x, test_x, train_y, test_y = train_test_split(x, y, test_size=0.2, random_state=0)

svm_model = SVC()

params = [
    {'kernel': ['linear'], 'C': [1, 10, 100, 100]},
    {'kernel': ['poly'], 'C': [1], 'degree': [2, 3]},
    {'kernel': ['rbf'], 'C': [1, 10, 100, 100], 'gamma': [1, 0.1, 0.01, 0.001]}
]

# 在这里进行了交叉验证 和 调参
best_model = GridSearchCV(svm_model, param_grid=params, cv=5, scoring='accuracy')
best_model.fit(train_x, train_y)

print('svm模式在训练集上的精准度为:%.4f'%best_model.best_score_)
print(best_model.best_params_)
print(best_model.cv_results_)

best_model1 = GridSearchCV(svm_model, param_grid=params, cv=5, scoring='accuracy')
best_model1.fit(test_x, test_y)

print('svm模式在验证集上的精准度为:%.4f'%best_model.best_score_)
print(best_model1.best_params_)
print(best_model1.cv_results_)

新手!如有不对,敬请指出

参考:机器学习超详细实践攻略(8):使用scikit-learn构建模型的通用模板【万字长文】 - 知乎 (zhihu.com)

相关推荐
安爹前沿AI7 小时前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能
深海鱼在掘金7 小时前
深入浅出RAG——第20章:端到端实战:企业级知识库问答系统
人工智能
黑十7 小时前
FDE 怎么快速搭一个可演示页面?最小前端方案
java·大数据·前端·数据库·人工智能
樊小肆8 小时前
agent 不报错才最吓人:自研编码工具半年,我踩了 10 个"看着正常"的运行时坑
前端·人工智能·agent
用户986023965618 小时前
Gemini Tool Retrieval:工具越来越多,Agent 如何按需读取参数说明?
人工智能
用户1917291270838 小时前
Agent 工具面裁剪:动态暴露与渐进披露(附 Python 代码)
人工智能
AI前端工程狮8 小时前
我给 MCP 长任务加进度条,五步只显示了一步
javascript·人工智能·程序员
TsingtaoAI8 小时前
VeyForge:构建具身智能的AI 3D资产与Sim-to-Real数据引擎
人工智能·机器学习
螺丝钉tina8 小时前
[Playwright] [21][AI] 千问生成测试的完整 mini demo
人工智能
高洁019 小时前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习