[PYTHON] Ich habe versucht, RandomForest zu verwenden

Zweck dieser Zeit

SIGNATE Übung zur Vorhersage von Weinsorten.

Hauptthema

Lernalgorithmus verwendet

• SVC --Logistische Regression
• "RandomForest"

Als Ergebnis des Versuchs von drei Algorithmen war die zufällige Gesamtstruktur die genaueste und wurde daher als endgültiger Klassifikator übernommen.

Code

Daten lesen

wine-learning.py

wine_data = pd.read_csv('train.tsv',sep='\t')
wine_test = pd.read_csv('test.tsv',sep='\t')

Ich habe das letzte Mal "read_table" verwendet, aber ich habe auch versucht, "read_csv" zu verwenden, weil es eine große Sache ist. Ich finde, dass die Tabelle einfacher ist. Übrigens scheinen die Methoden, beide aufzurufen, gleich zu sein, daher gibt es keine richtige.

Trennung von Feature-Daten und Lehrerdaten

wine-learning.py

X = wine_data.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values
y = wine_data.loc[:,'Y'].values

Ich möchte etwas dagegen tun, da es bei vielen Variablen in der Regel lang ist. Lassen Sie uns überlegen, ob es eine Möglichkeit gibt, es bei der nächsten Aufgabe zu verbessern. Die Testdaten sind übrigens endlich da

wine-learning.py

Xt = wine_test.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values

Unterteilt in Trainingsdaten und Testdaten

wine-learning.py

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2)

Auch diesmal wurden die Daten im Verhältnis 8: 2 aufgeteilt.

Fehlende Werte löschen

wine-learning.py

X_train = X_train[:, ~np.isnan(X_train).any(axis=0)]
X_test = X_test[:, ~np.isnan(X_test).any(axis=0)]
Xt = Xt[:, ~np.isnan(Xt).any(axis=0)]

Ein fehlender Wert, der vor dem Split nicht vorhanden war, wurde plötzlich angezeigt. Ich kannte die Ursache nicht, daher werde ich versuchen, ihn bald zu überprüfen. Dieses Mal haben wir beschlossen, die fehlenden Werte zu löschen.

Modelllernen

SVC

wine-learning.py

clf = svm.SVC()
clf.fit(X_train, y_train)

Logistische Rückgabe

wine-learning.py

clf = LogisticRegression()
clf.fit(X_train, y_train)

Zufälliger Wald

wine-learning.py

clf = RandomForestClassifier(n_estimators=500, random_state=0)
clf.fit(X_train, y_train)

Random_state wurde auf 0 und n_estimators (Anzahl der Entscheidungsbäume) auf 500 gesetzt.

Modellbewertung

wine-learning.py

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Richtige Antwortrate= ' , accuracy)

Wie im Beispiel wurde die richtige Antwortrate mit der Funktion "Genauigkeit" berechnet.

SVC korrekte Antwortrate

Richtige Antwortrate=  0.6111111111111112

Richtige Antwortrate der logistischen Regression

Richtige Antwortrate=  0.8888888888888888

Zufällige Waldgenauigkeitsrate

Richtige Antwortrate=  1.0

Einstufung

wine-learning.py

X_pred = np.array(Xt)
y_pred = clf.predict(X_pred)
print(y_pred)

Ergebnis

Ich habe es getan (Pachi Pachi)

Erwägung

• Ändern Sie den Lernalgorithmus abhängig von der Anzahl der Variablen.
• Reduzieren Sie die Anzahl der Variablen (löschen Sie die Dimensionen) und wenden Sie dann den Lernalgorithmus an.
• Verstehen Sie zunächst die Eigenschaften des Algorithmus.
• Untersuchung der Ursache für fehlende Werte, die zum Zeitpunkt der Datenaufteilung aufgetreten sind
• Annahme einer gemischten Matrix