机器学习系列------二元分类器

alltolove

        还是继续昨天的项目，把以前的代码复制过来：

1. from sklearn.datasets import fetch_mldata
   
2. 
   
3. 
   
4. 
   
5. mnist=fetch_mldata('MNIST original',data_home='.\datasets')
   
6. 
   
7. 
   
8. X,y=mnist["data"],mnist["target"]
   
9. %matplotlib inline
   
10. import matplotlib
    
11. import matplotlib.pyplot as plt
    
12. 
    
13. X_train,X_test,y_train,y_test=X[:60000],X[60000:],y[:60000],y[60000:]
    
14. 
    
15. import numpy as np
    
16. shuffle_index=np.random.permutation(60000)
    
17. X_train,y_train=X_train[shuffle_index],y_train[shuffle_index]
    
18. some_digit=X[36000]

复制代码

        今天我换了个目录，不知为什么又出网上把数据自动下载下来了，看来官方的接口没关，只是网太卡了 。二元分类就是对与错两种状态，我从一大堆数据里找出我要的那种，我们先建两个变量：

1. y_train_5=(y_train==5)
   
2. y_test_5=(y_test==5)

复制代码

        这是两组布尔值的数组，如果等于5就是true，不等于5就是false，然后我们建个分类器：

1. from sklearn.linear_model import SGDClassifier
   
2. 
   
3. sgd_clf=SGDClassifier(random_state=42)
   
4. sgd_clf.fit(X_train,y_train_5)

复制代码

        这种分类器叫做随机梯度下降分类器Stochastic Gradient Descent classifier,然后预测一下昨天我们找出来的那个5是不是5：

1. sgd_clf.predict([some_digit])

复制代码

        输出结果为：array([ True], dtype=bool)
        看来预测正确了，我们再预测个别的试试：

1. sgd_clf.predict([X[20000]])

复制代码

        输出：array([False], dtype=bool)
        这个肯定就不是5，然后我们用过去学过的方法测试准确率：

1. from sklearn.model_selection import StratifiedKFold
   
2. from sklearn.base import clone
   
3. 
   
4. skfolds=StratifiedKFold(n_splits=3,random_state=42)
   
5. for train_index,test_index in skfolds.split(X_train,y_train_5):
   
6.     clone_clf=clone(sgd_clf)
   
7.     X_train_folds=X_train[train_index]
   
8.     y_train_folds=(y_train_5[train_index])
   
9.     X_test_fold=X_train[test_index]
   
10.     y_test_fold=(y_train_5[test_index])
    
11.    
    
12.     clone_clf.fit(X_train_folds,y_train_folds)
    
13.     y_pred=clone_clf.predict(X_test_fold)
    
14.     n_correct=sum(y_pred==y_test_fold)
    
15.     print(n_correct/len(y_pred))

复制代码

        这个因为是分为3组数据n_splits=3所以for循环3次，准确率分别为：
0.9625
0.9655
0.9633