sklearn训练感知器用iris数据集

 1 from sklearn import datasets
 2 import numpy as np
 3 
 4 #获取data和类标
 5 iris = datasets.load_iris()
 6 X = iris.data[:,[2,3]]
 7 y = iris.target
 8 
 9 #测试样本和训练样本三七分
10 from sklearn.model_selection import train_test_split
11 X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,random_state=0)
12 
13 #数据特征标准化
14 from sklearn.preprocessing import StandardScaler
15 sc = StandardScaler()
16 sc.fit(X_train)
17 X_test_std = sc.transform(X_test)
18 X_train_std = sc.transform(X_train)
19 
20 #训练感知器模型
21 from sklearn.linear_model import Perceptron
22 ppn = Perceptron(max_iter=40,eta0=0.1,random_state=0)
23 ppn.fit(X_train_std,y_train)
24 
25 #训练完成后，对测试数据进行预测
26 y_pred = ppn.predict(X_test_std)
27 print(‘Missclassified samples:%d‘%(y_pred!=y_test).sum())
28 from sklearn.metrics import accuracy_score
29 print(‘Accuracy:%.2f‘%accuracy_score(y_test,y_pred))

from sklearn import datasets#iris已包含在sklearn库中
import numpy as np
iris = datasets.load_iris()

#提取150个花朵样本中的花瓣长度和花瓣宽度两个特征的值，并由此构建特征矩阵X,同时将对应花朵所属类型的类标赋值给向量y
#打印出来iris可以发现iris包括的key包括五个值：data（其中有四列）、target、target_name、DESCR、feature_names
#X提取的是data里面的3、4列，y提取的是target，即类型的类标

#print(iris)
#print(iris.keys())
#print(iris.data.shape)
#print(iris.data[:5])#显示样本前五行，因为iris是字典不是列表，所以不能调用head（）的方法获取前五行

X = iris.data[:, [2, 3]]
y = iris.target#iris的每个样本都包含了品种信息，即目标属性（第5列，也叫target或label）

‘‘‘如果执行np.unique(y)返回存储在iris.target中的各类花朵的类标，可以看到，scikit-learn已分别将Iris-Sentosa、Iris-Versicolor
和Iris-Virginia的类名另存为整数（0,1,2），对许多机器学习库来说，这是针对性能优化一种推荐的做法
print(np.unique(y))
‘‘‘
‘‘‘
为了评估训练得到的模型在未知数据上的表现，我们进一步将数据集划分为训练数据集和测试数据集
使用scikit-learn中model_selection模块中的train_test_split函数，随机将数据矩阵X与类标向量y按照3:7的比例划分为测试数据集（
45个样本）和训练数据集（105个样本）
‘‘‘
from sklearn.model_selection import train_test_split
X_train, X_test, y_train,y_test = train_test_split(X, y, test_size=0.3, random_state=0)
‘‘‘
许多机器学习和优化算法都要求对数据做特征缩放。我们将使用scikit-learn的preprocessing模块中的StandardScaler类
对特征进行标准化处理
在下面的代码中，从preprocessing模块中加载了StandardScaler类，并实例化了一个StandScaler对象，用变量sc作为对它的引用
使用StandardScaler中的fit方法，可以计算训练数据中的每个特征的μ（样本均值）和σ（标准差）。通过调用transform方法，
可以使用前面计算得到的μ和σ来对训练数据做标准化处理。注意：需要使用相同的缩放参数分别处理训练和测试数据。
‘‘‘
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit(X_train)
X_train_std = sc.transform(X_train)
X_test_std = sc.transform(X_test)
‘‘‘
在对训练数据做了标准化处理后，下面训练感知器模型
‘‘‘
from sklearn.linear_model import Perceptron
ppn = Perceptron(max_iter=40, eta0=0.1, random_state=0)#n_iter是迭代次数，eta是学习速率，random_state参数在每次迭代后初始化重新排练数据集
ppn.fit(X_train_std, y_train)
‘‘‘
使用scikit-learn完成模型的训练后，就可以在测试数据集上使用predict方法进行预测了
‘‘‘
y_pred = ppn.predict(X_test_std)#predict class labels for samples in X
print(‘Misclassified samples:%d‘%(y_test != y_pred).sum())
‘‘‘
计算感知器在测试数据集上的分类准确率
‘‘‘
from sklearn.metrics import accuracy_score
print(‘Accuracy:%.2f‘ % accuracy_score(y_test,y_pred))



‘‘‘
使用plot_decision_regions函数来绘制刚刚训练过得模型的决策区域，并观察不同花朵样本的分类项
‘‘‘
from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt

def plot_decision_regions(X,y,classifier,test_idx = None,resolution = 0.02):
    #setup marker generator and color map
    markers = (‘s‘, ‘x‘, ‘o‘, ‘^‘, ‘v‘)
    colors = (‘red‘, ‘blue‘, ‘lightgreen‘, ‘gray‘, ‘cyan‘)
    cmap = ListedColormap(colors[:len(np.unique(y))])

    #plot the decision surface
    x1_min, x1_max = X[:, 0].min()-1, X[:, 0].max()+1
    x2_min, x2_max = X[:, 0].min()-1, X[:, 1].max()+1
    xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))
    Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)
    Z = Z.reshape(xx1.shape)
    plt.contourf(xx1, xx2, Z, alpha=0.4, cmap=cmap)
    plt.xlim(xx1.min(), xx1.max())
    plt.ylim(xx2.min(), xx2.max())

    #plot all samples
    X_test,y_test = X[test_idx, :], y[test_idx]
    for idx, cl in enumerate(np.unique(y)):
        plt.scatter(x=X[y == cl, 0], y=X[y == cl, 1], alpha=0.8, c=cmap(idx), marker=markers[idx], label=cl)

    #highlight test samples
    if test_idx:
        X_test, Y_test = X[test_idx, :], y[test_idx]
        plt.scatter(X_test[:, 0],X_test[:, 1], c=‘‘, alpha=1.0, linewidth=1, marker=‘o‘, s=55, label=‘test set‘)
X_combined_std = np.vstack((X_train_std, X_test_std))
Y_combined = np.hstack((y_train, y_test))
plot_decision_regions(X=X_combined_std,
                      y=Y_combined,
                      classifier=ppn,
                      test_idx=range(105, 150))
plt.xlabel(‘petal length [standardized]‘)
plt.ylabel(‘petal width [standardized]‘)
plt.legend(loc=‘upper left‘)
print(plt.show())