技术标签: python数据分析期末大作业报告
-- coding: utf-8 --
"""
Created on Sun Dec 23 01:10:07 2018
@author: NickyChu
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.linear_model import LogisticRegression as LR
from sklearn.linear_model import RandomizedLogisticRegression as RLR
In[121]:
df = pd.read_csv('Train.csv',header=None)#使用header选项让列名为从0开始的数列
df_new = pd.read_csv('Test.csv',header=None)
print(df.duplicated())#检查重复项
df = df.drop_duplicates()#清洗重复项
df
In[163]:
my_matrix = df
data_x=my_matrix.iloc[:,0:-1]
data_y=my_matrix.iloc[:,-1]
In[123]:
rlr = RLR() #建立随机逻辑回归模型,筛选变量
rlr.fit(data_x, data_y) #训练模型
array1 = rlr.get_support() #获取特征筛选结果,也可以通过.scores_方法获取各个特征的分数
score1 = rlr.scores_
score1
In[161]:
i = 1
for name in array1:
if name == True:
print("第{0}个特征值为有用特征值".format(i))
i = i+1
In[162]:
筛选特征值
data_x.columns = score1
df_new.columns = score1
todrop = [0]
try:
data_x.drop(todrop, inplace=True, axis=1)
df_new.drop(todrop, inplace=True, axis=1)
except:
print("No need to drop")
data_x
df_new
In[]
分组
from sklearn.cross_validation import train_test_split
from sklearn.metrics import confusion_matrix, classification_report, roc_curve, auc
from sklearn.grid_search import GridSearchCV
X1_train, X1_test, y1_train, y1_test = train_test_split(data_x,data_y,test_size=0.33)
组内预测
lr=LR(C = 1.5, penalty = 'l1',class_weight='balanced')#逻辑回归模型
lr.fit(X1_train,y1_train)#train组内模拟
print('逻辑回归模型训练结束')
print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))#输出模型平均正确率(不准确)
print(lr.get_params)#输出相关信息
y1_pre_val = lr.predict(X1_test)#train组内的预测函数
输出报告
print("Classification report (training):\n {0}".format(classification_report(y1_test,y1_pre_val,target_names=["0","1"])))
让他去预测一下test组的
y_val_old = lr.predict(df_new)
print(lr.get_params)#输出相关信息
In[]
parameter tuning
运用穷尽网格搜索
from sklearn.grid_search import GridSearchCV
lr_clf_tuned = LR()
tuned_parameters=[{'penalty':['l1','l2'],
'C':[0.01,0.05,0.1,0.5,1,1.1,1.2,1.3,1.4,1.5,10],
'solver':['liblinear'],
'multi_class':['ovr']},
{'penalty':['l2'],
'C':[0.01,0.05,0.1,0.5,1,1.1,1.2,1.3,1.4,1.5,10],
'solver':['lbfgs'],
'multi_class':['ovr','multinomial']}]
lr_clf_params = {"penalty": ["l1", "l2"], "C": [1, 1.1,1.2,1.3,1.4,1.5, 1.7, 2] }
lr_clf_cv = GridSearchCV(lr_clf_tuned, tuned_parameters, cv=5)
lr_clf_cv.fit(X1_train,y1_train)
print(lr_clf_cv.best_params_)
In[]
from sklearn.ensemble import RandomForestClassifier
lr=LR( C = 10, multi_class='ovr', penalty = 'l1', solver='lbfgs')#逻辑回归模型
lr.fit(X1_train,y1_train)
print('逻辑回归模型训练结束')
print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))
print(lr.get_params)
y1_pre_val = lr.predict(X1_test)#train组内的预测函数
输出报告
print("Classification report (training):\n {0}".format(classification_report(y1_test,y1_pre_val,target_names=["0","1"])))
让他去预测一下test组的
y_val_new = lr.predict(df_new)
print(lr.get_params)#输出相关信息
In[]
寻找最优Roc值
from sklearn.metrics import confusion_matrix, classification_report, roc_curve, auc
from sklearn.metrics import roc_auc_score
def FindtheC():
score = []
aucarr = []
Conclu = []
for i in range(1,100):
i = 64
play = i/1000
for j in range(1,100):
j = 67时 达到 0.699的AUC
Canshu = j
lr=LR(C = Canshu, multi_class='ovr', penalty = 'l2', solver='liblinear',class_weight={0: play, 1: 1-play})#逻辑回归模型
lr.fit(X1_train,y1_train)
print('逻辑回归模型训练结束')
print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))
print(lr.get_params)
y1_pre_test1 = lr.predict(X1_test)#预测函数
auc1 = "ROC是{0}".format(roc_auc_score(y1_test, y1_pre_test1))
print(auc1)
aucarr.append(roc_auc_score(y1_test, y1_pre_test1))
Conclu.append([auc1,Canshu])
print(max(aucarr))
In[]
pre_probs = lr.predict_log_proba(data_x)
print(pre_probs[:,1])
print(pre_probs[:,0])
In[]
from sklearn.ensemble import RandomForestRegressor
from sklearn.linear_model import LogisticRegression
参数调整
x_train = X1_train
y_train = y1_train
x_test = X1_test
y_test = y1_test
def show_accuracy(a, b, tip):
acc = a.ravel() == b.ravel()
acc_rate = 100 * float(acc.sum()) / a.size
return acc_rate
Maincode
lr = LogisticRegression(penalty='l2')
lr.fit(x_train, y_train)
y_hat = lr.predict(x_test)
lr_rate = show_accuracy(y_hat, y_test, 'Logistic回归 ')
print(roc_auc_score(y_test, y_hat))
随机森林 n_estimators:决策树的个数,越多越好,不过值越大,性能就会越差,至少100
rfc = RandomForestClassifier(n_estimators=100)
rfc.fit(x_train, y_train)
y_hat = rfc.predict(x_test)
rfc_rate = show_accuracy(y_hat, y_test, '随机森林 ')
print(roc_auc_score(y_test, y_hat))
In[]
XGBoost
import xgboost as xgb
data_train = xgb.DMatrix(x_train, label=y_train)
data_test = xgb.DMatrix(x_test, label=y_test)
watch_list = [(data_test, 'eval'), (data_train, 'train')]
param = {'max_depth': 6, 'eta': 0.8, 'silent': 1, 'objective': 'binary:logistic'}
bst = xgb.train(param, data_train, num_boost_round=100, evals=watch_list)
y_hat = bst.predict(data_test)
y_hat[y_hat > 0.5] = 1
y_hat[~(y_hat > 0.5)] = 0
xgb_rate = show_accuracy(y_hat, y_test, 'XGBoost ')
print(roc_auc_score(y_test, y_hat))
In[]
ROC图所需参数
y1 = lr.predict_proba(data_x)
y1_valid_score_lr1 = lr.predict_proba(data_x)
fpr_lr1, tpr_lr1, thresholds_lr1 = roc_curve(data_y, y1_valid_score_lr1[:, 1])
roc_auc_lr1 = auc(fpr_lr1, tpr_lr1)
作ROC图
plt.plot(fpr_lr1, tpr_lr1, lw=2, alpha=.6)
plt.plot([0, 1], [0, 1], lw=2, linestyle="--")
plt.xlim([0, 1])
plt.ylim([0, 1.05])
plt.xlabel("FPR")
plt.ylabel("TPR")
plt.title("ROC curve")
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法