学习笔记

机器学习理论基础

来自《scikit-learn机器学习》

过拟合和欠拟合

过拟合是指模型能很好的拟合训练样本,但对新样本的预测准确性很差。 高方差
欠拟合是指 模型不能很好的拟合训练样本,且对新样本的预测准确性也不是很好。 高偏差

成本函数

成本是衡量模型与训练样本符合程度的指标。简单的理解,成本是针对所有的训练样本,模型拟合出来的值与训练样本的真实值的误差平均值。模型训练的过程中,要使成本函数的值最小。

学习曲线

学习曲线是指模型的准确性与数据集大小的关系,通过学习曲线可以直观的判断模型训练的情况,方便改进模型。
Pipeline流水线来构造多项式模型

from sklearn.pipeline inport Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.liner_model import LinearRegression
def polymial_model(degree=1):
    polynimail_features = PolymailFeatures(degree=degree,include_bias=False)
    linear_regression = LinearRegression()
    # 这是一个流水线,先增加多项式阶数,然后再用线性回归算法来拟合数据。
    pipeline = Pipeline([("polynomail_features",polynomail_features),("linear_regressin",linear_regression])
    return pipeline

学习曲线调包

from sklearn.model_selection import learning_curve
train_sizes, train_scores, test_scores = learn_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_sizes)

模型的性能优化

过拟合:获取更多的训练样本,或者减少输入的特征数量
欠拟合:增加有价值的特征,增加多项式特征

Precision和Recall

Precision是预测为正的样本中正确的概率。
Recall是所有正的样本中预测成功的概率。
俩者一般都是相斥的,Precision大Recall小,Recall大Precision小

F1score

F1score用来判断哪个算法好,因为当判断算法的两个指标一个大一个小的时候,怎样判断哪个算法最好,这就需要将两个算法发在一起。
F1score = 2*(PR/P+R)

k临近算法

核心思想是未标记的样本点,由与它最接近的k的样本值的类别来判断。
伪代码如下:

  • 遍历训练集中的所有样本,计算每个样本与X_test的距离,并将其保存在Distance数组中
  • 对Distance数组进行排序,取最近的k个点 ,记为X_knn
  • 在X_knn中统计样本类别的个数
  • 待标记样本的类别就是在X_knn中样本个数最多的那个类别。

优点:准确度高,对异常值和噪声有较高的容忍度。
缺点:计算量大,对内存的要求也大。
算法参数:k k值越大,模型的偏差越大,对噪声数据不敏感,欠拟合。k值越小,过拟合
算法的变种:增加邻居的权重,针对不同的邻居指定不同的距离权重,距离越近,权重值越高。

from sklearn.neighbors import KNeighborsClassifier

k = 5
clf = KNeighborsClassifier(n_neighbors=k)
clf.fit(X,y)
y_sample = clf.predict(X_sample)

knn算法也可以实现回归拟合

from sklearn.neighbors import KNeighborsRegressor

可以用knn.score() 方法计算拟合曲线针对样本的拟合准确性

数据分割

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X, y, test_size=0.2)

线性回归算法

模型优化:当线性回归模型太简单导致欠拟合时,我们可以增加特征多项式来让线性模型更加地拟合数据。
在scikit-learn里,线性回归是由类 sklearn.linear_model.LinearRegression 实现,多项式由类 sklearn.preprocessing.PolynomailFeatures 实现。

逻辑回归算法

逻辑回归是实现分类问题的一种机器学习算法,它主要的思想是怎样把预测值的输出控制在0和1之间,我们知道线性回归算法的预测值是正无穷到负无穷,那么怎样把值的输出控制在(0,1)之间呢?这就需要使用Sigmoid函数

g(z)=1/(1+e^{-z})

判断条件是0.5,大于0.5则为1,小于0.5则为0.

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,458评论 6 513
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,030评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,879评论 0 358
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,278评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,296评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,019评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,633评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,541评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,068评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,181评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,318评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,991评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,670评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,183评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,302评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,655评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,327评论 2 358

推荐阅读更多精彩内容