1. Johngo学长首页
  2. 技术点详细复盘专题
  3. Python

机器学习实战 | Python机器学习算法应用实践

• Python • 阅读 55

机器学习实战 | Python机器学习算法应用实践

作者：韩信子@ShowMeAI
教程地址：https://www.showmeai.tech/tutorials/41
本文地址：https://www.showmeai.tech/article-detail/201
声明：版权所有，转载请联系平台与作者并注明出处
收藏ShowMeAI查看更多精彩内容

; 引言

本篇文章希望带大家完整走一遍机器学习应用流程，我们会讲解到基于Python的机器学习算法，应用在结构化数据和非结构化数据(图像)上，希望通过文章内容帮助大家在案例中重温机器学习基础知识，并学习应用机器学习解决问题的基本流程。

文章中会用到下述两个库来实现机器学习算法：

在本篇文章中，我们将讲解到以下内容：

机器学习实战 | Python机器学习算法应用实践
  • 问题抽象与理解
  • 数据准备与处理(预处理、特征提取、特征工程等)
  • 各种机器学习算法
  • 实验结果分析与对比
  • 模型选择与调优

我们会覆盖到的机器学习算法包括：KNN、朴素贝叶斯、逻辑回归、SVM、决策树、随机森林、感知机、前馈神经网络、卷积神经网络。

机器学习实战 | Python机器学习算法应用实践

; 1.环境准备

工欲善其事必先利其器，我们先安装一下必需的Python库(当然我们也推荐大家用集成环境anaconda，具体的安装与设置可以参考ShowMeAI文章 图解Python | 安装与环境设置 完成)：

可以采用pip安装，命令如下：
$ pip install numpy
$ pip install pillow
$ pip install --upgrade scikit-learn
$ pip install tensorflow
$ pip install keras
$ pip install opencv-contrib-python
$ pip install --upgrade imutils

2.数据集

因为本篇文章我们介绍结构化数据和非结构化数据的不同建模，我们这里用到两个数据集。

2.1 iris(鸢尾花)数据集

第一个数据集是iris(鸢尾花)数据集，它是一个入门级数据集。整个数据集都是数值型的数据，是一个结构化的表格数据，每一行代表一个样本，然后每一列就是不同的属性。

机器学习实战 | Python机器学习算法应用实践

这个数据集主要是收集了三种不同的鸢尾花的数据，分别为：

  • Iris Setosa
  • Iris Versicolor
  • Iris Virginica

对应图中最后一列 Class label，然后还有四种属性，分别是：

  • Sepal length：萼片长度
  • Sepal width：萼片宽度
  • Petal length：花瓣长度
  • Petal width：花瓣宽度

对于该数据集，我们的目标就是根据给定的四个属性，训练一个机器学习模型来正确分类每个样本的类别，这是一个典型的分类任务。

; 2.2 图像数据集

第二个数据集是一个图像数据集。它包括海岸线(Coast)、森林(Forest)和高速公路(Highway)三种场景，总共是 948 张图片，我们需要构建模型完成类别的分类，每个类别的具体图片数量如下：

  • 海岸线(Coast)：360
  • 森林(Forest)：328
  • 高速公路(Highway)：260

机器学习实战 | Python机器学习算法应用实践

3.机器学习应用步骤

我们在不同场景下应用机器学习算法，都有大致的步骤，比如下面是一个典型的机器学习应用流程：

机器学习实战 | Python机器学习算法应用实践

当然，并不是其中的每一步都是必须的，我们也可能会调整其中某些步骤中的细节。

; 3.1 问题抽象与理解

针对我们的问题，问一下自己：

  • 数据集是哪种类型？数值型，类别型还是图像？
  • 模型的最终目标是什么？
  • 如何定义和衡量”准确率”呢？
  • 以目前自身的机器学习知识来看，哪些算法在处理这类问题上效果很好？

前序问题比较简单，最后的问题，随着大家应用机器学习解决问题的经验积累，可以更准确快速地回答。

3.2 数据准备与处理

数据准备与处理，包括数据预处理以及特征工程了。一般这一步，包括了加载数据、检查数据、探索性数据分析(EDA)、数据预处理，进而决定需要做的特征提取或者特征工程。

机器学习实战 | Python机器学习算法应用实践

特征提取是应用某种算法通过某种方式来量化数据的过程。比如，对于图像数据，我们可以采用计算直方图的方法来统计图像中像素强度的分布，通过这种方式，我们就得到描述图像颜色的特征。

特征工程是将原始输入数据转换成一个更好描述潜在问题的特征表示的过程。大家可以查看ShowMeAI的 机器学习专题文章; 系统了解特征工程的常见方法。

3.3 多模型应用

下一步可以选择各种候选机器学习算法，并应用在数据集上。我们安装的工具包内，包含很多机器学习算法，比如下述模型都可以用作分类：

  • 线性模型(逻辑回归、线性SVM)
  • 非线性模型(RBF、SVM、梯度下降分类器)
  • 树和基于集成的模型(决策树、随机森林)
  • 神经网络(多层感知机、卷积神经网络)

对于模型选择，当然很多需要依据实验效果来定，但我们也有一些先序的经验，比如：

  • 对于稠密型多特征的数据集，随机森林算法的效果很不错；
  • 逻辑回归算法可以很好处理高维度的稀疏数据；
  • 对于图像数据，CNNs的效果非常好。

下图为 scikit-learn工具库 官方给的一个模型选择思路参考：

机器学习实战 | Python机器学习算法应用实践

; 4.构建机器学习流程并实验分析

我们构建如下的代码文件目录，包含四个代码文件和一个 3scenes图像文件夹(内含三场景数据集)，iris数据集无需另外存储，直接采用 scikit-learn库载入即可。

├── 3scenes
│   ├── coast [360 entries]
│   ├── forest [328 entries]
│   └── highway [260 entries]
├── iris_classifier.py
├── image_classifier.py
├── nn_iris.py
└── basic_cnn.py

4.1 结构化数据建模

首先实现 iris_classifier，我们这里直接使用sklearn的机器学习算法来对 iris数据集进行分类。


from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.datasets import load_iris
import argparse

ap = argparse.ArgumentParser()
ap.add_argument("-m", "--model", type=str, default="knn", help="type of python machine learning model to use")
args = vars(ap.parse_args())

models = {
    "knn": KNeighborsClassifier(n_neighbors=1),
    "naive_bayes": GaussianNB(),
    "logit": LogisticRegression(solver="lbfgs", multi_class="auto"),
    "svm": SVC(kernel="rbf", gamma="auto"),
    "decision_tree": DecisionTreeClassifier(),
    "random_forest": RandomForestClassifier(n_estimators=100),
    "mlp": MLPClassifier()
}

其中，models从前往后依次包括这些算法：KNN、朴素贝叶斯、逻辑回归、SVM、决策树、随机森林、感知机等。

我们直接调用 sklearn中相应的函数来实现对应的算法即可，这里直接用一个 models的字典来保存不同模型的初始化，然后根据参数 --model来调用对应的模型，比如命令输入 python iris_classifier.py --model knn就是调用 knn算法模型。

接着就是载入数据部分：

print("加载数据中...")
dataset = load_iris()
trainX, testX, trainY, testY = train_test_split(dataset.data, dataset.target, random_state=3, test_size=0.2)

这里直接调用 sklearn.datasets中的 load_iris()载入数据，然后采用 train_test_split来划分训练集和数据集，这里是80%数据作为训练集，20%作为测试集。

最后就是训练模型和预测部分：


print("应用 '{}' 模型建模...".format(args["model"]))
model = models[args["model"]]
model.fit(trainX, trainY)

print("评估模型效果...")
predictions = model.predict(testX)
print(classification_report(testY, predictions, target_names=dataset.target_names))

4.2 图像数据建模

机器学习实战 | Python机器学习算法应用实践

类似的过程对三场景图像数据集构建代码 image_classifier.py：


from sklearn.preprocessing import LabelEncoder
from PIL import Image
from imutils import paths
import numpy as np
import os

其中 LabelEncoder是为了将标签从字符串编码为整型，然后其余几项都是处理图像相关。

对于图像数据，如果直接采用原始像素信息输入模型中，大部分的机器学习算法效果都很不理想，所以这里采用特征提取方法，主要是统计图像颜色通道的均值和标准差信息，总共是 RGB3个通道，每个通道各计算均值和标准差，然后结合在一起，得到一个六维的特征，函数如下所示：

def extract_color_stats(image):
    '''
    将图片分成 RGB 三通道，然后分别计算每个通道的均值和标准差，然后返回
    :param image:
    :return:
    '''
    (R, G, B) = image.split()
    features = [np.mean(R), np.mean(G), np.mean(B), np.std(R), np.std(G), np.std(B)]

    return features

然后同样会定义一个 models字典，代码一样，这里就不贴出来了，然后图像载入部分的代码如下：


print("抽取图像特征中...")
imagePaths = paths.list_images(args['dataset'])
data = []
labels = []

for imagePath in imagePaths:

    image = Image.open(imagePath)
    features = extract_color_stats(image)
    data.append(features)

    label = imagePath.split(os.path.sep)[-2]
    labels.append(label)

le = LabelEncoder()
labels = le.fit_transform(labels)

trainX, testX, trainY, testY = train_test_split(data, labels, test_size=0.2)

上述代码就完成加载图片的路径信息，然后依次遍历，读取图片，提取特征，提取标签信息，保存特征和标签信息，接着编码标签，然后就是划分训练集和测试集。

接着是相同的训练模型和预测的代码，和前面的分类器一样。完整版代码如下：


from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from PIL import Image
from imutils import paths
import numpy as np
import argparse
import os

def extract_color_stats(image):
    '''
    将图片分成 RGB 三通道，然后分别计算每个通道的均值和标准差，然后返回
    :param image:
    :return:
    '''
    (R, G, B) = image.split()
    features = [np.mean(R), np.mean(G), np.mean(B), np.std(R), np.std(G), np.std(B)]

    return features

ap = argparse.ArgumentParser()
ap.add_argument("-d", "--dataset", type=str, default="3scenes",
                help="path to directory containing the '3scenes' dataset")
ap.add_argument("-m", "--model", type=str, default="knn",
                help="type of python machine learning model to use")
args = vars(ap.parse_args())

models = {
    "knn": KNeighborsClassifier(n_neighbors=1),
    "naive_bayes": GaussianNB(),
    "logit": LogisticRegression(solver="lbfgs", multi_class="auto"),
    "svm": SVC(kernel="rbf", gamma="auto"),
    "decision_tree": DecisionTreeClassifier(),
    "random_forest": RandomForestClassifier(n_estimators=100),
    "mlp": MLPClassifier()
}

print("抽取图像特征中...")
imagePaths = paths.list_images(args['dataset'])
data = []
labels = []

for imagePath in imagePaths:

    image = Image.open(imagePath)
    features = extract_color_stats(image)
    data.append(features)

    label = imagePath.split(os.path.sep)[-2]
    labels.append(label)

le = LabelEncoder()
labels = le.fit_transform(labels)

trainX, testX, trainY, testY = train_test_split(data, labels, random_state=3, test_size=0.2)

print("[应用 '{}' 模型建模".format(args["model"]))
model = models[args["model"]]
model.fit(trainX, trainY)

print("模型评估")
predictions = model.predict(testX)
print(classification_report(testY, predictions, target_names=le.classes_))

完成这两份代码后，我们就可以开始运行下代码，对比不同算法在两个数据集上的性能。

4.3 不同模型建模对比

(1) KNN

K-Nearest Neighbors分类器最简单的分类算法之一。该算法依赖于特征向量之间的距离。简单地说，KNN算法通过在k个最接近的样本中最多的类别来对未知数据点进行分类。关于KNN的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | KNN算法及其应用。

机器学习实战 | Python机器学习算法应用实践

这里我们先运行下 image_classifier.py，调用默认的模型 knn，看下 KNN在 iris数据集上的实验结果，如下所示：

$ !python iris_classifier.py --model knn
加载数据中...

应用 'knn' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        10
  versicolor       0.90      0.90      0.90        10
   virginica       0.90      0.90      0.90        10

    accuracy                           0.93        30
   macro avg       0.93      0.93      0.93        30
weighted avg       0.93      0.93      0.93        30

其中主要是给出了对每个类别的精确率、召回率、F1以及该类别测试集数量，即分别对应precision、recall、f1-score、support。根据最后一行第一列，可以看到KNN取得93%的准确率。

接着是在三场景图片数据集上的实验结果：

$ !python image_classifier.py --model knn
抽取图像特征中...

应用 'knn' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.84      0.68      0.75       105
      forest       0.78      0.77      0.77        78
     highway       0.56      0.78      0.65        54

   micro avg       0.73      0.73      0.73       237
   macro avg       0.72      0.74      0.72       237
weighted avg       0.75      0.73      0.73       237

这里KNN取得75%的准确率。

ps：实际上，运行这个算法，不同次数会有不同的结果，其主要原因是因为在划分训练集和测试集的时候，代码没有设置参数 random_state，这导致每次运行划分的训练集和测试集的图片都是不同的，所以运行结果也会不相同！

(2) 朴素贝叶斯

接着是朴素贝叶斯算法，关于朴素贝叶斯算法的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | 朴素贝叶斯算法详解。

机器学习实战 | Python机器学习算法应用实践

分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model naive_bayes
加载数据中...

应用 'naive_bayes' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.92      0.96        12
   virginica       0.92      1.00      0.96        11

   micro avg       0.97      0.97      0.97        38
   macro avg       0.97      0.97      0.97        38
weighted avg       0.98      0.97      0.97        38

$ !python image_classifier.py --model naive_bayes
抽取图像特征中...

应用 'naive_bayes' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.69      0.40      0.50        88
      forest       0.68      0.82      0.74        84
     highway       0.61      0.78      0.68        65

   micro avg       0.65      0.65      0.65       237
   macro avg       0.66      0.67      0.64       237
weighted avg       0.66      0.65      0.64       237

同样，朴素贝叶斯在iris上有98%的准确率，但是在图像数据集上仅有66%的准确率。

那么，我们是否可以说明KNN算法比朴素贝叶斯好呢？当然是不可以的，上述结果只能说明在三场景图像数据集上，KNN算法优于朴素贝叶斯算法。
实际上，每种算法都有各自的优缺点和适用场景，不能一概而论地说某种算法任何时候都优于另一种算法，这需要具体问题具体分析。

(3) 逻辑回归

接着是逻辑回归算法，关于逻辑回归算法的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | 逻辑回归算法详解。

机器学习实战 | Python机器学习算法应用实践

分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model logit
加载数据中...

应用 'logit' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.92      0.96        12
   virginica       0.92      1.00      0.96        11

   micro avg       0.97      0.97      0.97        38
   macro avg       0.97      0.97      0.97        38
weighted avg       0.98      0.97      0.97        38

$ !python image_classifier.py --model logit
抽取图像特征中...

应用 'logit' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.67      0.67      0.67        92
      forest       0.79      0.82      0.80        82
     highway       0.61      0.57      0.59        63

   micro avg       0.70      0.70      0.70       237
   macro avg       0.69      0.69      0.69       237
weighted avg       0.69      0.70      0.69       237

同样，逻辑回归在 iris 上有 98% 的准确率，但是在图像数据集上仅有 69% 的准确率

(4) 支持向量机 SVM

接着是SVM算法，关于SVM算法的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | 支持向量机模型详解。

机器学习实战 | Python机器学习算法应用实践

分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model svm
加载数据中...

应用 'svm' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.92      0.96        12
   virginica       0.92      1.00      0.96        11

   micro avg       0.97      0.97      0.97        38
   macro avg       0.97      0.97      0.97        38
weighted avg       0.98      0.97      0.97        38

$ !python image_classifier.py --model svm
抽取图像特征中...

应用 'svm' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.84      0.76      0.80        92
      forest       0.86      0.93      0.89        84
     highway       0.78      0.80      0.79        61

   micro avg       0.83      0.83      0.83       237
   macro avg       0.83      0.83      0.83       237

同样，SVM在 iris上有98%的准确率，但是在图像数据集上仅有83%的准确率。

(5) 决策树

接着是决策树算法，关于决策树算法的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | 决策树模型详解。

机器学习实战 | Python机器学习算法应用实践

分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model decision_tree
加载数据中...

应用 'decision_tree' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       0.92      0.92      0.92        12
   virginica       0.91      0.91      0.91        11

   micro avg       0.95      0.95      0.95        38
   macro avg       0.94      0.94      0.94        38
weighted avg       0.95      0.95      0.95        38

$ !python image_classifier.py --model decision_tree
抽取图像特征中...

应用 'decision_tree' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.71      0.74      0.72        85
      forest       0.76      0.80      0.78        83
     highway       0.77      0.68      0.72        69

   micro avg       0.74      0.74      0.74       237
   macro avg       0.75      0.74      0.74       237
weighted avg       0.74      0.74      0.74       237

同样，决策树在 iris上有98%的准确率，但是在图像数据集上仅有74%的准确率。

(6) 随机森林

接着是随机森林算法，关于随机森林算法的详细讲解可以阅读ShowMeAI的文章 图解机器学习 | 随机森林分类模型详解。

机器学习实战 | Python机器学习算法应用实践

分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model random_forest
加载数据中...

应用 'random_forest' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.83      0.91        12
   virginica       0.85      1.00      0.92        11

   micro avg       0.95      0.95      0.95        38
   macro avg       0.95      0.94      0.94        38
weighted avg       0.96      0.95      0.95        38

$ !python image_classifier.py --model random_forest
加载数据中...

应用 'random_forest' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.80      0.83      0.81        84
      forest       0.92      0.84      0.88        90
     highway       0.77      0.81      0.79        63

   micro avg       0.83      0.83      0.83       237
   macro avg       0.83      0.83      0.83       237
weighted avg       0.84      0.83      0.83       237

同样，随机森林在 iris上有96%的准确率，但是在图像数据集上仅有84%的准确率。

注意了，一般如果决策树算法的效果还不错的话，随机森林算法应该也会取得不错甚至更好的结果，这是因为随机森林实际上就是多棵决策树通过集成学习方法组合在一起进行分类预测。

(7) 多层感知机

机器学习实战 | Python机器学习算法应用实践

最后是多层感知机算法，分别测试两个数据集，结果如下：

$ !python iris_classifier.py --model mlp
加载数据中...

应用 'mlp' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.92      0.96        12
   virginica       0.92      1.00      0.96        11

   micro avg       0.97      0.97      0.97        38
   macro avg       0.97      0.97      0.97        38
weighted avg       0.98      0.97      0.97        38

$ !python image_classifier.py --model mlp
抽取图像特征中...

应用 'mlp' 模型建模...

评估模型效果...

              precision    recall  f1-score   support

       coast       0.72      0.91      0.80        86
      forest       0.92      0.89      0.90        79
     highway       0.79      0.58      0.67        72

   micro avg       0.80      0.80      0.80       237
   macro avg       0.81      0.79      0.79       237
weighted avg       0.81      0.80      0.80       237

同样，多层感知机在 iris 上有 98% 的准确率，但是在图像数据集上仅有 81% 的准确率.

(8) 神经网络

机器学习实战 | Python机器学习算法应用实践

最后是实现深度学习的算法，也就是 nn_iris.py和 basic_cnn.py这两份代码。

首先是 nn_iris.py的实现，同样首先是导入库和数据的处理：


from keras.models import Sequential
from keras.layers.core import Dense
from keras.optimizers import SGD
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.datasets import load_iris

print("加载数据中...")
dataset = load_iris()
(trainX, testX, trainY, testY) = train_test_split(dataset.data,
                                                  dataset.target, test_size=0.2)

lb = LabelBinarizer()
trainY = lb.fit_transform(trainY)
testY = lb.transform(testY)

我们采用 Keras来实现神经网络，然后这里需要将标签进行 one-hot编码，即独热向量编码。

接着就是搭建网络模型的结构和训练、预测代码：


model = Sequential()
model.add(Dense(3, input_shape=(4,), activation="sigmoid"))
model.add(Dense(3, activation="sigmoid"))
model.add(Dense(3, activation="softmax"))

print('训练网络中...')
opt = SGD(lr=0.1, momentum=0.9, decay=0.1 / 250)
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=["accuracy"])
H = model.fit(trainX, trainY, validation_data=(testX, testY), epochs=250, batch_size=16)

print('评估模型效果')
predictions = model.predict(testX, batch_size=16)
print(classification_report(testY.argmax(axis=1), predictions.argmax(axis=1), target_names=dataset.target_names))

上述代码构建了3层全连接层的神经网络，前两层采用 Sigmoid激活函数，然后最后一层是输出层，所以采用 softmax将输出变成概率值。优化算法选择的随机梯度下降 SGD，损失函数是 categorical_crossentropy，迭代次数是250次，每一批次的数据量 batch_size是16。

完整版代码如下：


from keras.models import Sequential
from keras.layers.core import Dense
from keras.optimizers import SGD
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.datasets import load_iris

print("加载数据中...")
dataset = load_iris()
(trainX, testX, trainY, testY) = train_test_split(dataset.data,
                                                  dataset.target, test_size=0.2)

lb = LabelBinarizer()
trainY = lb.fit_transform(trainY)
testY = lb.transform(testY)

model = Sequential()
model.add(Dense(3, input_shape=(4,), activation="sigmoid"))
model.add(Dense(3, activation="sigmoid"))
model.add(Dense(3, activation="softmax"))

print('训练网络中...')
opt = SGD(lr=0.1, momentum=0.9, decay=0.1 / 250)
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=["accuracy"])
H = model.fit(trainX, trainY, validation_data=(testX, testY), epochs=250, batch_size=16)

print('评估模型效果...')
predictions = model.predict(testX, batch_size=16)
print(classification_report(testY.argmax(axis=1), predictions.argmax(axis=1), target_names=dataset.target_names))

直接运行命令 python nn_iris.py，输出的结果如下：

$ python nn_iris.py
Using TensorFlow backend.

加载数据中...

训练网络中...

Train on 112 samples, validate on 38 samples
Epoch 1/250
2022-02-08 10:28:19.104933: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 AVX512F FMA
112/112 [==============================] - 0s 2ms/step - loss: 1.1454 - acc: 0.3214 - val_loss: 1.1867 - val_acc: 0.2368
Epoch 2/250
112/112 [==============================] - 0s 48us/step - loss: 1.0828 - acc: 0.3929 - val_loss: 1.2132 - val_acc: 0.5000
Epoch 3/250
112/112 [==============================] - 0s 47us/step - loss: 1.0491 - acc: 0.5268 - val_loss: 1.0593 - val_acc: 0.4737
...

Epoch 248/250
112/112 [==============================] - 0s 46us/step - loss: 0.1319 - acc: 0.9554 - val_loss: 0.0407 - val_acc: 1.0000
Epoch 249/250
112/112 [==============================] - 0s 46us/step - loss: 0.1024 - acc: 0.9643 - val_loss: 0.1595 - val_acc: 0.8947
Epoch 250/250
112/112 [==============================] - 0s 47us/step - loss: 0.0795 - acc: 0.9821 - val_loss: 0.0335 - val_acc: 1.0000
评估模型效果...

             precision    recall  f1-score   support

     setosa       1.00      1.00      1.00         9
 versicolor       1.00      1.00      1.00        10
  virginica       1.00      1.00      1.00        19

avg / total       1.00      1.00      1.00        38

这里得到的是100%的准确率。

(9) CNN

机器学习实战 | Python机器学习算法应用实践

最后我们要应用卷积神经网络，我们实现一下 basic_cnn.py代码。

同样首先是导入必须的库函数：


from keras.models import Sequential
from keras.layers.convolutional import Conv2D
from keras.layers.convolutional import MaxPooling2D
from keras.layers.core import Activation
from keras.layers.core import Flatten
from keras.layers.core import Dense
from keras.optimizers import Adam
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from PIL import Image
from imutils import paths
import numpy as np
import argparse
import os

ap = argparse.ArgumentParser()
ap.add_argument("-d", "--dataset", type=str, default="3scenes",
                help="path to directory containing the '3scenes' dataset")
args = vars(ap.parse_args())

同样是要导入 Keras来建立 CNN的网络模型，另外因为是处理图像数据，所以 PIL、 imutils也是要导入的。

然后是加载数据和划分训练集和测试集，对于加载数据，这里直接采用原始图像像素数据，只需要对图像数据做统一尺寸的调整，这里是统一调整为32×32，并做归一化到 [0,1]的范围。


print("抽取图像特征中...")
imagePaths = paths.list_images(args['dataset'])
data = []
labels = []

for imagePath in imagePaths:

    image = Image.open(imagePath)
    image = np.array(image.resize((32, 32))) / 255.0
    data.append(image)

    label = imagePath.split(os.path.sep)[-2]
    labels.append(label)

lb = LabelBinarizer()
labels = lb.fit_transform(labels)

(trainX, testX, trainY, testY) = train_test_split(np.array(data), np.array(labels), test_size=0.25)

接着定义了一个4层的 CNN网络结构，包含3层卷积层和最后一层输出层，优化算法采用的是Adam而不是 SGD。代码如下所示：


model = Sequential()
model.add(Conv2D(8, (3, 3), padding="same", input_shape=(32, 32, 3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Conv2D(16, (3, 3), padding="same"))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Conv2D(32, (3, 3), padding="same"))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Flatten())
model.add(Dense(3))
model.add(Activation("softmax"))

print("训练网络中...")
opt = Adam(lr=1e-3, decay=1e-3 / 50)
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
H = model.fit(trainX, trainY, validation_data=(testX, testY),
              epochs=50, batch_size=32)

print("评估模型效果...")
predictions = model.predict(testX, batch_size=32)
print(classification_report(testY.argmax(axis=1),
                            predictions.argmax(axis=1), target_names=lb.classes_))

运行命令 python basic_cnn.py，输出结果如下：

$ python basic_cnn.py
Using TensorFlow backend.

加载图像数据...

训练网络中...

Train on 711 samples, validate on 237 samples
Epoch 1/50
711/711 [==============================] - 0s 629us/step - loss: 1.0647 - acc: 0.4726 - val_loss: 0.9920 - val_acc: 0.5359
Epoch 2/50
711/711 [==============================] - 0s 313us/step - loss: 0.9200 - acc: 0.6188 - val_loss: 0.7778 - val_acc: 0.6624
Epoch 3/50
711/711 [==============================] - 0s 308us/step - loss: 0.6775 - acc: 0.7229 - val_loss: 0.5310 - val_acc: 0.7553
...

Epoch 48/50
711/711 [==============================] - 0s 307us/step - loss: 0.0627 - acc: 0.9887 - val_loss: 0.2426 - val_acc: 0.9283
Epoch 49/50
711/711 [==============================] - 0s 310us/step - loss: 0.0608 - acc: 0.9873 - val_loss: 0.2236 - val_acc: 0.9325
Epoch 50/50
711/711 [==============================] - 0s 307us/step - loss: 0.0587 - acc: 0.9887 - val_loss: 0.2525 - val_acc: 0.9114
评估模型效果...

             precision    recall  f1-score   support

      coast       0.85      0.96      0.90        85
     forest       0.99      0.94      0.97        88
    highway       0.91      0.80      0.85        64

avg / total       0.92      0.91      0.91       237

CNN的准确率是达到92%，它是优于之前的几种机器学习算法的结果。

5.小结

这篇简单的机器学习教程文章中，我们调用现有的库来应用对应的机器学习算法，解决了2个简单的场景问题。通过这份简单的入门教程，希望大家了解到：

(1) 没有任何一种算法是完美的，可以完全适用所有的场景，即便是目前很热门的深度学习方法，也存在它的局限性，所以应该具体问题具体分析！

(2) 经典的5步机器学习操作流程：

  • 问题抽象与理解
  • 数据准备与处理(预处理、特征提取、特征工程等)
  • 各种机器学习算法
  • 实验结果分析与对比
  • 模型选择与调优

参考资料

相关文章推荐

机器学习实战 | Python机器学习算法应用实践

Original: https://blog.csdn.net/ShowMeAI/article/details/123646573
Author: ShowMeAI
Title: 机器学习实战 | Python机器学习算法应用实践

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/729475/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

  • .NET Framework杂记

    这篇博客主要记录在用C#编写上位机时，不会的知识点，随时更新，方便查阅。 C#语法操作杂记 c#中让textbox选中不选中 C#无法使用实例引用来访问成员解决方法 * 针对不同定…

    Python 2023年10月24日
    039

  • 【python编程】-python生成随机数

    python中生成随机数主要使用 random模块和 numpy库中的random函数。 前者主要用于 生成随机数和 实现序列中随机数和随机数列的挑选，后者用来 生成a*b维的随机…

    Python 2023年8月29日
    089

  • ARIMA（p,d,q）模型原理及其实现 ——–python

    1.简介 ARIMA模型(Autoregressive Integrated Moving Average model)，差分整合移动平均自回归模型，又称整合移动平均自回归模型，时…

    Python 2023年7月31日
    087

  • 基于Matlab模拟用于海况海洋学研究的 X 波段雷达系统（附源码）

    海事雷达系统在充满挑战的动态环境中运行。为了改进对感兴趣目标的检测并评估系统性能，必须了解海面返回的性质。 在本例中，将模拟用于海况海洋学研究的 X 波段雷达系统。雷达系统是一个固…

    Python 2023年10月8日
    039

  • 【CSS】CSS文本样式【CSS基础知识详解】

    👨‍💻个人主页：@花无缺欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 本文章收录于专栏 【CSS】 【CSS专栏】已发布文章 📁【CSS基础认知】📁【CSS选择器…

    Python 2023年10月11日
    041

  • windows10安装使用conda

    ### 回答1： 1. 首先，你需要从Mini conda_的官方网站（https://docs. _conda.io/en/latest/mini conda.html）下载适合…

    Python 2023年9月8日
    040

  • Django框架 （九）实现聊天系统

    将监听绑定到各自地图上，而不是窗口上 ~/acapp/game/static/js/src/playground/player/zbase.js add_listening_eve…

    Python 2023年8月4日
    033

  • 【前沿技术RPA】 一文了解 UiPath 状态机 State Machine

    🐋作者简介：博主是一位.Net开发者，同时也是RPA和低代码平台的践行者。🐬个人主页：会敲键盘的肘子🐰系列专栏：UiPath🦀专栏简介： UiPath在传统的RPA（Robotic…

    Python 2023年10月9日
    052

  • Python连锁药店营业额数据分析实验

    前些天发现了一个巨牛的人工智能学习电子书，通俗易懂，风趣幽默，无广告，忍不住分享一下给大家。（点击跳转人工智能学习资料） 一、题目 附件drug. order_ detai 1.x…

    Python 2023年8月16日
    081

  • Python:线性回归方差分析

    方差分析可以用来推断一个或多个因素在其状态变化时，其因素水平或交互作用是否会对实验指标产生显著影响。主要分为单因素方差分析、多因素无重复方差分析和多因素重复方差分析。 线性回归: …

    Python 2023年8月19日
    059

  • django中的自定义分页器

    1.什么是自定义分页器 当我们需要在前端页面展示的数据太多的时候，我们总不能将数据展示在一页上面吧！这时，我们就需要自定义一个分页器，将数据分成特定的页数进行展示，每一页展示固定条…

    Python 2023年11月1日
    027

  • 2023年新年烟花代码（背景音乐完整版）

    文章目录 前言 烟花效果展示 使用教程 查看源码 * HTML代码 CSS代码 JavaScript 新年祝福 ; 前言 大家过年好！新春佳节，在这个充满喜悦的日子里，愿新年的钟声…

    Python 2023年11月5日
    0117

  • python flask使用蓝图渲染模板直接显示html代码问题

    问题描述： 跟着文档示例想简单显示一个html页面的，结果渲染出来的是html源码。。。看着输出的内容想着应该是没有识别出是html代码的原因，对比html页面的response发…

    Python 2023年8月12日
    054

  • tep完整教程帮你突破pytest

    持续维护的教程 tep教程会随着版本更新或经验积累，持续维护在电子书中，最新的最全的内容请锁定这篇文章 【最新】tep完整教程帮你突破pytest： https://dongfan…

    Python 2023年9月11日
    048

  • QButtonGroup管理状态按钮

    参考文档：​​https://doc.qt.io/qtforpython-6/PySide6/QtWidgets/QButtonGroup.html​​ QButtonGroup的…

    Python 2023年5月24日
    069

  • pip install命令安装扩展库

    pip install命令用于安装扩展库，由于安装扩展库需要从国外网站下载，速度较慢，可以使用-i选项设置临时使用国内的镜像网站。命令格式：pip install -i 镜像地址 …

    Python 2023年8月5日
    053
亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球