机器学习第三讲--分类

学习视频：http://cookdata.cn/auditorium/course_room/10014/

用回归解决分类

三种算法

1、感知机（Perceptron)  概念：找到一条直线，讲两类数据分开即可

 

2、支持向量机（Support Vector Machines)  概念：找到一条直线，不仅将两类数据正确分类，还使得数据离直线尽量远

 

3、逻辑回归（Logistic Regression)  概念：找到一条直线使得观察到训练集的“可能性”最大

 

 Sklearn分类模块介绍

案例学习：

1、画点和相关直线

首先使用sklearn中的datasets模块生成一个随机的二分类数据集

from sklearn import datasets
random_samples=datasets.make_classification(n_samples=60,#样本数量
                                            n_classes=2,#类别数量
                                            n_features=2,#特征数量
                                            n_informative=2,#有信息特征数量
                                            n_redundant=0,#冗余特征数量
                                            n_repeated=0,#重复特征数量
                                            n_clusters_per_class=1,#每一类的簇数
                                            flip_y=0,#样本标签随机分配的比例
                                            class_sep=3,#不同类别样本的分散程度
                                            random_state=203)

为了便于后续处理，我们将生成的数据封装到Pandas的DataFrame中。数据集数据包含两个特征，特证名为x1和x2，标签值存放在label中。为了后续处理方便，我们给数据集添加一个取值全为1的ones

import pandas as pd
data=pd.DataFrame(data=random_samples[0],columns=["x1","x2"])
data["label"]=random_samples[1]
data["ones"]=1#添加一个取值全为1的列"ones"
data.head()

 在本案例即将实现的算法中，我们假设标签取值为1或-1，观察上表label列取值可见，默认的取值为0或-1，应用map方法，我们将label列取值映射为1和-1

data["label"]=data["label"].map({0:-1,1:1})#将y的取值替换成1和-1

为了值观地了解数据，我们将数据集用散点图绘制出来。matplotlib.pyplot模块地scatter函数可以绘制散点图，他的主要参数为横轴数据x,纵轴数据y,点地颜色c,点的形状等marker

数据集中正样本和负样本需要进行区分，我们首先将他们进行分离

data_pos=data[data["label"]==1]#筛选出正样本
data_neg=data[data["label"]==-1]#筛选出负样本来

将绘图框大小设置成(8,8),然后将正样本化成洋红色（c="#E4007E")的三角形(marker="^")，将负样本化成深绿色（c="#007979")的图形（marker="o")

import matplotlib.pyplot as plt

plt.reParam['axes.nuicode_minus']=False
plt.figure(figsize=(8,8))#设置图片尺寸

plt.scatter(data_pos["x1"],data_pos["x2"],c="#E4007F",marker="^")#类别为1的数据绘制成洋红色
plt.scatter(data_neg["x1"],data_neg["x2"],c="#007979",marker="o")#类别为-1的数据绘制成深绿色

plt.xlabel("$x_1$")#设置横轴标签
plt.ylabel("$x_2$")#设置纵轴标签

plt.xlim(-6,6)#设置横轴显示范围
plt.ylim(1,5)#设置纵轴显示范围
plt.show()

画出直线

import numpy as np
w=[1,1,-4]
x1=np.linspace(-6,6,50)
x2=(w[0]/w[1])*x1-w[2]/w[1]