Memorandum @ Python ODER Seminar: Scikit-Learn

Ich denke, Python ist eine der besten Bibliotheken. Bibliothek für maschinelles Lernen. Das eingeschlossene Lernen ist wie folgt (Beispiel).

Mit einem Lehrer lernen

Support Vector Machine

Regressionsanalyse

#Erstellen Sie zunächst Trainingsdaten
>>> import numpy
>>> np.seed(0) #Zufälliger Startwert behoben
>>> x = numpy.sort(5 * numpy.random.rand(40, 1), axis=0)
>>> y = numpy.sin(x).ravel()
>>> y[::5] += 3 * (0.5 - numpy.random.rand(8))
>>> plot(x, y, 'o')

Verwenden Sie "SVR" für die Regressionsanalyse (Abkürzung für Support Vector Regression). Informationen zu Argumentoptionen

C (default = 1.0)

  • Strafparameter
  • Größer erlaubt keinen Rand (harter Rand), kleiner erlaubt Rand

kernel (default = rbf)

  • Kernelfunktionstyp
  • Linear: linear, Polygon: Poly, RBF (Gauß): rbf, Sigmoid: Sigmoid, Vorberechnet: Vorberechnet

gamma (default = 0.0)

  • RBF, Polynomkernkoeffizienten

degree (default = 2)

  • RBF, Polypoly, Sigmoid-Kernelfunktionsreihenfolge
>>> from sklearn.svm import SVR
#Einen Lernenden erstellen
>>> svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
>>> svr_lin = SVR(kernel='linear', C=1e3)
>>> svr_poly = SVR(kernel='poly', C=1e3, degree=2)
#Lernen Sie mit Passform, sagen Sie voraus
>>> y_rbf = svr_rbf.fit(x, y).predict(x)
>>> y_lin = svr_lin.fit(x, y).predict(x)
>>> y_poly = svr_poly.fit(x, y).predict(x)

Einstufung

Ich denke, die sogenannte SVM ist hier. scikit-learn verwendet SVC (kurz für Support Vector Classifier).

#Erstellung von Trainingsdaten
>>> numpy.random.seed(0)
>>> X = numpy.random.randn(300, 2)
>>> Y = numpy.logical_xor(X[:,0]>0, X[:,1]>0)
from sklearn.svm import SVC
#Klassifikator erstellen
>>> clf = SVC(kernel='rbf', C=1e3, gamma=0.1)
#Lernen
>>> clf.fit(X, Y)
#Berechnen Sie den Abstand zur Determinante
>>> xx, yy = np.meshgrid(linspace(-3, 3, 500), linspace(-3, 3, 500))
>>> Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
>>> Z = Z.reshape(xx.shape)
#Grafik
>>> imshow(Z, interpolation='nearest', extent=[xx.min(),
...                                            xx.max(),
...                                            yy.min(),
...                                            yy.max()],
...                                            aspect='auto',
...                                            origin='lower',
...                                            cmap=cm.PuOr_r)
>>> ctr = contour(xx, yy, Z, levels=[0], linetypes='--')
>>> scatter(X[:, 0], X[:, 1], c=Y, cmap=cm.Paired)
>>> axis([xx.min(), xx.max(), yy.min(), yy.max()])
>>> show()

imshow (): Zeichnen Sie das Array Argumentoptionen: interpolation

  • Ergänzung während der Grafikverarbeitung
    • 'nearest' -

extent

  • Bereich angeben
  • [Minimum in horizontaler Richtung, Maximalwert in horizontaler Richtung, Minimalwert in vertikaler Richtung, Maximalwert in vertikaler Richtung]

aspect

  • Einstellung des Seitenverhältnisses

origin

  • Legen Sie einen Referenzpunkt fest
  • 'untere' - Richten Sie Z [0,0] auf die untere linke Ecke aus

cmap

  • Farbkarte angeben

Lernen ohne Lehrer

k-bedeutet Methode

Die k-means-Methode wird als Beispiel gezeigt.

>>> import sklearn.datasets, sklearn.cluster
>>> #IRIS-Daten lesen
>>> d = sklearn.datasets.load_iris()
>>> km = sklearn.cluster.KMeans(3)
>>> km.fit(d.data)
>>> for i, e in enumerate(d.data):
...    scatter(e[0], e[2], c='rgb'[km.labels_[i]])

Andere

Der Rest ist Offizielle Dokumente.

Recommended Posts

Memorandum @ Python ODER Seminar: Scikit-Learn
Memorandum @ Python ODER Seminar
Memorandum @ Python ODER Seminar: matplotlib
Memorandum @ Python ODER Seminar: Pulp
Memorandum @ Python ODER Seminar: Pandas
Python-Memorandum
Python-Memorandum 2
Python-Memorandum
Python Memorandum
Python Memorandum
Python-Memorandum
Python Memorandum
Python-Memorandum
Python Pathlib Memorandum
Python-Memorandum (Algorithmus)
Python-Memorandum [Links]
Python> Liste> verlängern () oder + =
Python-Memorandum-Nummerierungsvariablen
Python aus oder importieren
Python Autotest oder Sniffer
Python-Memorandum (persönliches Lesezeichen)
Python Memorandum Super Basic
Cisco Memorandum _ Eingabekonfiguration mit Python
Python 3.4 oder höher Standard Pip
Neuronales Netzwerk mit Python (Scikit-Learn)
ABC-Memorandum [ABC163 C --managementr] (Python)
Python-Anfänger-Memorandum-Funktion
[Python] Memorandum zur Vermeidung von SQLAlchemy-Fehlern
Python: Grundlagen der Verwendung von Scikit-Learn ①
Memorandum über Korrelation [Python]
Python-Bitoperator und logische Summe
Ein Memorandum über den Python-Mock
[Python] Lineare Regression mit Scicit-Learn
[Python] Memorandum über zufällige Generationen
Rubys `` wie in Python. 2.6 oder höher
Python oder und und Operatorfalle
Python-Memorandum zur parallelen / asynchronen Ausführung
Python pywin32 (win32com) Excel-Memorandum
[Python] Ein Memorandum der schönen Suppe4
Was ist besser, PyPy oder Python?
Python + Django + Scikit-Learn + Mecab (2) mit Heroku
ABC-Memorandum [ABC161 C - Integer ersetzen] (Python)
Scikit-learn kann nicht in Python installiert werden
ABC-Memorandum [ABC158 C - Steuererhöhung] (Python)
[Python] gibt A [oder / und] B zurück
Anfänger Memorandum Python "isdigit" Bewegung