作者|Behic Guven
編譯|VK
來源|Towards Data Science
在這篇文章中，我將向你介紹一種稱為監督學習的機器學習方法，我將向你展示如何使用Scikit-learn構建kNN分類器模型，
這將是一個實踐演練，我們將能夠在實踐知識的同時學習，作為我們的分類器模型，我們將使用k-NN演算法模型，這將在引言部分進行更多介紹，作為編程語言，我們將使用Python，
閱讀本教程后，你將更好地了解深度學習和監督學習模型的作業原理，
目錄
-
監督學習
-
庫
-
了解資料
-
kNN分類器模型
-
過擬合與欠擬合
-
結論
監督學習
深度學習是一門科學，它使計算機能夠在沒有明確編程的情況下從資料中得出結論，比如學會預測電子郵件是否是垃圾郵件，另一個很好的例子是通過觀察花的圖片將它們分為不同的類別，
在監督學習中，資料分為兩部分：特征和目標變數，任務是通過觀察特征變數來預測目標變數，監督學習可用于兩種不同的模型：分類和回歸
當目標變數是分類資料集時，可以使用分類模型，
當目標變數是連續值時，使用回歸模型，
庫
在這一步中，我們將安裝本教程所需的庫，正如引言中提到深度學習lib庫的主要知識庫，除此之外，我們將安裝兩個簡單的庫，它們是NumPy和Matplotlib，使用PIP（python包管理器）可以很容易地安裝庫，
安裝庫
進入終端視窗，開始安裝程序：
pip install scikit-learn
現在讓我們安裝其他兩個庫：
pip install numpy matplotlib
匯入庫
很完美！現在讓我們將它們匯入到我們的程式中，以便使用它們，我將在本教程中使用Jupyter Notebook，因此，我創建了一個新的Notebook并匯入了以下庫模塊，
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np
了解資料
在本練習中，我們將使用數字資料，它也被稱為MNIST，這是一個著名的資料開始建立一個監督學習模型，這個資料的好處是我們不必下載任何東西；它是隨我們先前安裝的sklearn模塊一起提供的，下面是如何加載資料集：
digits = datasets.load_digits()
現在，讓我們試著對運行幾行的資料集有一些了解，
print(digits.keys)
Bunch是一個提供屬性樣式訪問的Python字典，Bunch就像字典，
print(digits.DESCR)
plt.imshow(digits.images[1010], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()
K近鄰分類器
在庫步驟中，我們已經在庫步驟中匯入了k-NN分類器模塊，所以，我們要做的就是在我們的資料集中使用它，這一步是在專案中使用sklearn模塊的一個很好的練習，因為我們正在進行監督學習，所以資料集必須被標記，這意味著在訓練資料時，我們也傳遞結果，
k-最近鄰演算法（k-NN）是一種用于分類和回歸的非引數方法，在這兩種情況下，輸入由特征空間中k個最近的訓練樣本組成，輸出取決于k-NN是用于分類還是回歸，”（參考：https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm)
特征和目標變數
我們從sklearn資料集匯入的數字資料有兩個屬性，即data和target，我們首先將這些部分分配給我們的新變數，我們把特征（資料）稱為X和標簽（目標）稱為y：
X = digits.data
y = digits.target
拆分資料
接下來，我們將使用train_test_split方法來分割資料部分，與其對整個資料進行訓練，不如將其拆分為訓練和測驗資料，以審查模型的準確性，這將在下一步更有意義，我們將看到如何使用一些方法改進預測，
#test size 是指將資料集中作為測驗資料的比率，其余將是訓練資料
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state=42, stratify=y)
定義分類器
knn = KNeighborsClassifier(n_neighbors = 7)
擬合模型
knn.fit(X_train, y_train)
準確度得分
print(knn.score(X_test, y_test))
我來給你看看這個分數是怎么計算的，首先，我們使用knn模型對X_test特征進行預測，然后與實際標簽進行比較，以下是在后臺實際計算準確度的方法：
y_pred = knn.predict(X_test)
number_of_equal_elements = np.sum(y_pred==y_test)
number_of_equal_elements/y_pred.shape[0]
過擬合與欠擬合
以下是我在Amazon機器學習課程檔案中發現的模型過擬合和欠擬合的一個很好的解釋：
“當模型在訓練資料上表現不佳時，模型對訓練資料的擬合不足，這是因為模型無法捕獲輸入示例（特性）和目標值（標簽）之間的關系，當你看到模型在訓練資料上表現良好，但在評估資料上表現不佳時，該模型會過擬合你的訓練資料，這是因為模型正在記憶它所看到的資料，并且無法將其推廣到未看到的示例中，”（參考：https://docs.aws.amazon.com/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html)
現在，讓我們撰寫一個for回圈，它將幫助我們了解資料在不同的鄰居值中的表現，此函式還將幫助我們分析模型的最佳性能，這意味著更準確的預測，
neighbors = np.arange(1, 9)
train_accuracy = np.empty(len(neighbors))
test_accuracy = np.empty(len(neighbors))
for i, k in enumerate(neighbors):
# 定義knn分類器
knn = KNeighborsClassifier(n_neighbors = k)
# 將分類器與訓練資料相匹配
knn.fit(X_train, y_train)
# 在訓練集上計算準確度
train_accuracy[i] = knn.score(X_train, y_train)
# 在測驗集上計算準確度
test_accuracy[i] = knn.score(X_test, y_test)
現在，讓我們用圖形表示結果：
plt.title('k-NN: Performance by Number of Neighbors')
plt.plot(neighbors, test_accuracy, label = 'Testing Accuracy')
plt.plot(neighbors, train_accuracy, label = 'Training Accuracy')
plt.legend()
plt.xlabel('# of Neighbors')
plt.ylabel('Accuracy')
plt.show()
這個圖證明了更多的鄰居并不總是意味著更好的性能，當然，這主要取決于模型和資料，在我們的例子中，正如我們所看到的，1-3個鄰居準確度是最高的，之前，我們用7個鄰居訓練了knn模型，得到了0.983的準確度，所以，現在我們知道我們的模型在兩個鄰居的情況下表現更好，讓我們重新訓練我們的模型，看看我們的預測將如何改變，
knn = KNeighborsClassifier(n_neighbors = 2)
knn.fit(X_train, y_train)
print(knn.score(X_test, y_test))
結論
很完美！你已經使用scikit learn模塊創建了一個監督學習分類器，我們還學習了如何檢查分類器模型的性能，我們還學習了過擬合和欠擬合，這使我們能夠改進預測，深度學習是如此有趣和神奇，我將分享更多深入學習的文章，敬請期待！
原文鏈接：https://towardsdatascience.com/the-beginners-guide-to-supervised-learning-and-knn-classification-87061b044904
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/228771.html
標籤：其他