【机器学习】 Udacity 笔记 01

本文主要是介绍【机器学习】 Udacity 笔记 01，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

因本人刚开始写博客，学识经验有限，如有不正之处望读者指正，不胜感激；也望借此平台留下学习笔记以温故而知新。这篇博客是复盘整理 Udacity 机器学习工程师课程的学习笔记。

在 scikit learn 中训练模型

在此部分，我们依然使用在前几个部分使用的数据集。

正在上传…重新上传取消

我们知道机器学习领域的一些最重要的分类算法，包括以下算法：
逻辑回归
神经网络
决策树
支持向量机
练习：训练你自己的模型

现在该你来发挥作用了！在下面的练习中，我们将使用以下数据集：

正在上传…重新上传取消

现在我们将有机会在实际数据中运用它们！在 sklearn 中非常简单，只需定义分类器，然后使用下面这行代码使分类器与数据拟合（称为 X, y）：
```
classifier.fit(X,y)
```
以下是我们定义的主分类器，以及必须导入的文件包：

逻辑回归
```
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression()
```
神经网络

（注意：仅适用于 0.18 或更高版本的 scikit-learn）
```
from sklearn.neural_network import MLPClassifier
classifier = MLPClassifier()
```
决策树
```
from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier()
```
支持向量机
```
from sklearn.svm import SVC
classifier = SVC()
```
示例：逻辑回归

我们从头到尾地看看如何读取数据和训练分类器。假设使用上一部分的 X 和 y。然后，以下命令将训练逻辑回归分类器：
```
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression()
classifier.fit(X,y)
```
得出以下界线：

正在上传…重新上传取消

你的目标是使用上述其中一个分类器（逻辑回归、决策树或支持向量机，抱歉，此版本的 sklearn 依然无法使用神经网络，但是我们即将更新！），看看哪个分类器能够更好地拟合数据。

# import statements for the classification algorithms
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm import SVC# Logistic Regression Classifier
classifier = LogisticRegression()
classifier.fit(X,y)# Decision Tree Classifier
classifier = DecisionTreeClassifier()
classifier.fit(X,y)# Support Vector Machine Classifier
classifier = SVC()
classifier.fit(X,y)

使用 sklearn 可以轻松地将数据集拆分为训练数据和测试数据。我们只需输入 train_test_split 命令。该函数获得输入 X 和 y，然后返回四项内容：

X_train：训练输入数据
X_test：测试输入数据
y_train：训练标签
y_test：测试标签

该函数的调用如下所示：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25)

最后一个参数 test_size 是我们想用作测试数据的点所占百分比。在上述调用中，我们使用 25% 的数据作为测试数据，75% 作为训练数据。

我们练习下！我们将再次使用上一部分的数据集：

正在上传…重新上传取消

在下面的测验中，使用 train_test_split 函数将数据集拆分为训练集和测试集。测试集的大小必须是数据总大小的 20%。训练集称为 X_train 和 y_train，测试集称为 X_test 和 y_test。

点击测试答案看看结果的可视化效果，训练集将画为圆圈，测试集将画为方形。完成后，点击提交答案以便我们评估你的代码！

# Reading the csv file
import pandas as pd
data = pd.read_csv("data.csv")# Splitting the data into X and y
import numpy as np
X = np.array(data[['x1', 'x2']])
y = np.array(data['y'])# Import statement for train_test_split
from sklearn.cross_validation import train_test_split# TODO: Use the train_test_split function to split the data into
# training and testing sets.
# The size of the testing set should be 20% of the total size of the data.
# Your output should contain 4 objects.
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)

混淆矩阵

正在上传…重新上传取消

F1 得分练习

接下来，请记住 F1 得分的公式为：

\text{F1 Score} = 2 \cdot \frac{\text{Precision} * \text{Recall}}{\text{Precision} + \text{Recall}}F1 Score=2⋅Precision+RecallPrecision∗Recall

对于宇宙飞船，我们不允许出现任何故障零件，可以检查本身能正常运转的零件。因此，这是一个高召回率模型，因此 β = 2。
对于通知模型，因为是免费发送给客户，如果向更多的用户发送邮件也无害。但是也不能太过了，因为可能会惹怒用户。我们还希望找到尽可能多感兴趣的用户。因此，这个模型应该具有合适的精度和合适的召回率。β = 1 应该可行。
对于免费样品模型，因为寄送样品需要成本，我们不希望向不感兴趣的用户寄送样品。因此是个高精度模型。β = 0.5 应该可行。