對葡萄酒數據集進行測試，由于數據集是多分類且數據的樣本分布不平衡，所以直接對數據測試，效果不理想。所以使用SMOTE過采樣對數據進行處理，對數據去重，去空，處理后數據達到均衡，然后進行測試，與之前測試相比，準確率提升較高。
from typing import Counter
from matplotlib import colors, markers
import numpy as np
import pandas as pd
import operator
import matplotlib.pyplot as plt
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.ensemble import AdaBoostClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.neural_network import MLPClassifier
from sklearn.svm import SVC
# 判斷模型預測準確率的模型
from sklearn.metrics import accuracy_score
from sklearn.metrics import roc_auc_score
from sklearn.metrics import f1_score
from sklearn.metrics import classification_report
#設置繪圖內的文字
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']
path ="C:\\Users\\zt\\Desktop\\winequality\\myexcel.xls"
# path=r"C:\\Users\\zt\\Desktop\\winequality\\winequality-red.csv"#您要讀取的文件路徑
# exceldata = np.loadtxt(
# path,
# dtype=str,
# delimiter=";",#每列數據的隔開標志
# skiprows=1
# )
# print(Counter(exceldata[:,-1]))
exceldata = pd.read_excel(path)
print(exceldata)
print(exceldata[exceldata.duplicated()])
print(exceldata.duplicated().sum())
#去重
exceldata = exceldata.drop_duplicates()
#判空去空
print(exceldata.isnull())
print(exceldata.isnull().sum)
print(exceldata[~exceldata.isnull()])
exceldata = exceldata[~exceldata.isnull()]
print(Counter(exceldata["quality"]))
#smote
#使用imlbearn庫中上采樣方法中的SMOTE接口
from imblearn.over_sampling import SMOTE
#定義SMOTE模型，random_state相當于隨機數種子的作用
X,y = np.split(exceldata,(11,),axis=1)
smo = SMOTE(random_state=10)
x_smo,y_smo = SMOTE().fit_resample(X.values,y.values)
print(Counter(y_smo))
x_smo = pd.DataFrame({"fixed acidity":x_smo[:,0], "volatile acidity":x_smo[:,1],"citric acid":x_smo[:,2] ,"residual sugar":x_smo[:,3] ,"chlorides":x_smo[:,4],"free sulfur dioxide":x_smo[:,5] ,"total sulfur dioxide":x_smo[:,6] ,"density":x_smo[:,7],"pH":x_smo[:,8] ,"sulphates":x_smo[:,9] ," alcohol":x_smo[:,10]})
y_smo = pd.DataFrame({"quality":y_smo})
print(x_smo.shape)
print(y_smo.shape)
#合并
exceldata = pd.concat([x_smo,y_smo],axis=1)
print(exceldata)
#分割X，y
X,y = np.split(exceldata,(11,),axis=1)
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=10,train_size=0.7)
print("訓練集大小：%d"%(X_train.shape[0]))
print("測試集大小：%d"%(X_test.shape[0]))
def func_mlp(X_train,X_test,y_train,y_test):
print("神經網絡MLP:")
kk = [i for i in range(200,500,50) ] #迭代次數
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
for n in kk:
method = MLPClassifier(activation="tanh",solver='lbfgs', alpha=1e-5,
hidden_layer_sizes=(5, 2), random_state=1,max_iter=n)
method.fit(X_train,y_train)
MLPClassifier(activation='relu', alpha=1e-05, batch_size='auto', beta_1=0.9,
beta_2=0.999, early_stopping=False, epsilon=1e-08,
hidden_layer_sizes=(5, 2), learning_rate='constant',
learning_rate_init=0.001, max_iter=n, momentum=0.9,
nesterovs_momentum=True, power_t=0.5, random_state=1, shuffle=True,
solver='lbfgs', tol=0.0001, validation_fraction=0.1, verbose=False,
warm_start=False)
y_predict = method.predict(X_test)
t =classification_report(y_test, y_predict, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理MLP")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('迭代次數')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同迭代次數下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('迭代次數')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同迭代次數下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('迭代次數')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同迭代次數下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('迭代次數')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同迭代次數下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
def func_svc(X_train,X_test,y_train,y_test):
print("向量機：")
kk = ["linear","poly","rbf"] #核函數類型
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
for n in kk:
method = SVC(kernel=n, random_state=0)
method = method.fit(X_train, y_train)
y_predic = method.predict(X_test)
t =classification_report(y_test, y_predic, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理向量機")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('核函數類型')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同核函數類型下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('核函數類型')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同核函數類型下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('核函數類型')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同核函數類型下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('核函數類型')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同核函數類型下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
def func_classtree(X_train,X_test,y_train,y_test):
print("決策樹：")
kk = [10,20,30,40,50,60,70,80,90,100] #決策樹最大深度
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
for n in kk:
method = tree.DecisionTreeClassifier(criterion="gini",max_depth=n)
method.fit(X_train,y_train)
predic = method.predict(X_test)
print("method.predict:%f"%method.score(X_test,y_test))
t =classification_report(y_test, predic, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理決策樹")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('決策樹最大深度')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同決策樹最大深度下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('決策樹最大深度')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同決策樹最大深度下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('決策樹最大深度')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同決策樹最大深度下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('決策樹最大深度')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同決策樹最大深度下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
def func_adaboost(X_train,X_test,y_train,y_test):
print("提升樹：")
kk = [0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8]
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
for n in range(100,200,200):
for k in kk:
print("迭代次數為：%d\n學習率：%.2f"%(n,k))
bdt = AdaBoostClassifier(tree.DecisionTreeClassifier(max_depth=2, min_samples_split=20),
algorithm="SAMME",
n_estimators=n, learning_rate=k)
bdt.fit(X_train, y_train)
#迭代100次 ,學習率為0.1
y_pred = bdt.predict(X_test)
print("訓練集score：%lf"%(bdt.score(X_train,y_train)))
print("測試集score：%lf"%(bdt.score(X_test,y_test)))
print(bdt.feature_importances_)
t =classification_report(y_test, y_pred, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理迭代100次(adaboost)")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('學習率')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同學習率下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('學習率')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同學習率下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('學習率')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同學習率下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('學習率')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同學習率下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
# inX 用于分類的輸入向量
# dataSet表示訓練樣本集
# 標簽向量為labels，標簽向量的元素數目和矩陣dataSet的行數相同
# 參數k表示選擇最近鄰居的數目
def classify0(inx, data_set, labels, k):
"""實現k近鄰"""
data_set_size = data_set.shape[0] # 數據集個數，即行數
diff_mat = np.tile(inx, (data_set_size, 1)) - data_set # 各個屬性特征做差
sq_diff_mat = diff_mat**2 # 各個差值求平方
sq_distances = sq_diff_mat.sum(axis=1) # 按行求和
distances = sq_distances**0.5 # 開方
sorted_dist_indicies = distances.argsort() # 按照從小到大排序，并輸出相應的索引值
class_count = {} # 創建一個字典，存儲k個距離中的不同標簽的數量
for i in range(k):
vote_label = labels[sorted_dist_indicies[i]] # 求出第i個標簽
# 訪問字典中值為vote_label標簽的數值再加1，
#class_count.get(vote_label, 0)中的0表示當為查詢到vote_label時的默認值
class_count[vote_label[0]] = class_count.get(vote_label[0], 0) + 1
# 將獲取的k個近鄰的標簽類進行排序
sorted_class_count = sorted(class_count.items(),
key=operator.itemgetter(1), reverse=True)
# 標簽類最多的就是未知數據的類
return sorted_class_count[0][0]
def func_knn(X_train,X_test,y_train,y_test):
print("k近鄰：")
kk = [i for i in range(3,30,5)] #k的取值
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
for n in kk:
y_predict = []
for x in X_test.values:
a = classify0(x, X_train.values, y_train.values, n) # 調用k近鄰分類
y_predict.append(a)
t =classification_report(y_test, y_predict, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理k近鄰")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('k值')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同k值下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('k值')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同k值下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('k值')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同k值下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('k值')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同k值下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
def func_randomforest(X_train,X_test,y_train,y_test):
print("隨機森林：")
t_precision = []
t_recall = []
t_accuracy = []
t_f1_score = []
kk = [10,20,30,40,50,60,70,80] #默認樹的數量
for n in kk:
clf = RandomForestClassifier(n_estimators=n, max_depth=100,min_samples_split=2, random_state=10,verbose=True)
clf.fit(X_train,y_train)
predic = clf.predict(X_test)
print("特征重要性：",clf.feature_importances_)
print("acc:",clf.score(X_test,y_test))
t =classification_report(y_test, predic, target_names=['3','4','5','6','7','8'],output_dict=True)
print(t)
t_accuracy.append(t["accuracy"])
t_precision.append(t["weighted avg"]["precision"])
t_recall.append(t["weighted avg"]["recall"])
t_f1_score.append(t["weighted avg"]["f1-score"])
plt.figure("數據未處理深度100（隨機森林）")
plt.subplot(2,2,1)
#添加文本 #x軸文本
plt.xlabel('樹的數量')
#y軸文本
plt.ylabel('accuracy')
#標題
plt.title('不同樹的數量下的accuracy')
plt.plot(kk,t_accuracy,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,2)
#添加文本 #x軸文本
plt.xlabel('樹的數量')
#y軸文本
plt.ylabel('precision')
#標題
plt.title('不同樹的數量下的precision')
plt.plot(kk,t_precision,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,3)
#添加文本 #x軸文本
plt.xlabel('樹的數量')
#y軸文本
plt.ylabel('recall')
#標題
plt.title('不同樹的數量下的recall')
plt.plot(kk,t_recall,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.subplot(2,2,4)
#添加文本 #x軸文本
plt.xlabel('樹的數量')
#y軸文本
plt.ylabel('f1_score')
#標題
plt.title('不同樹的數量下的f1_score')
plt.plot(kk,t_f1_score,color="r",marker="o",lineStyle="-")
plt.yticks(np.arange(0,1,0.1))
plt.show()
if __name__ == '__main__':
#神經網絡
print(func_mlp(X_train,X_test,y_train,y_test))
#向量機
print(func_svc(X_train,X_test,y_train,y_test))
#決策樹
print(func_classtree(X_train,X_test,y_train,y_test))
#提升樹
print(func_adaboost(X_train,X_test,y_train,y_test))
#knn
print(func_knn(X_train,X_test,y_train,y_test))
#randomforest
print(func_randomforest(X_train,X_test,y_train,y_test))
到此這篇關于Python實現機器學習算法的分類的文章就介紹到這了,更多相關Python算法分類內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
