首页 » Python » 【机器学习】基于流水线的工作流

【机器学习】基于流水线的工作流

原文 http://blog.csdn.net/ChenVast/article/details/79257039

2018-02-06 02:00:19阅读(438)

使用SKlearn的Pipline类,拟合出包含任意多个处理步骤的模型,并将模型用于新的数据预测。


流水线包含数据预处理还有评估器。

代码有两个预处理环节,用于数据缩放和转换的StandardScaler和PCA。

评估器为LogisticRegression分类器。

工作流:StandardScaler—>PCA—>LogisticRegression


流程图:

【<a href=机器学习】基于流水线的工作流" src="http://img.blog.csdn.net/20180205095821051?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvQ2hlblZhc3Q=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="" />


实现工作流:

# 使用pandas从UCI读取乳腺癌数据集
import pandas as pd
df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/wdbc.data', header=None)
df.head()
df.shape

# 将数据集的30个特征赋给一个NumPy的数组对象X
# 使用SKlearn的LabelEncoder类将类标从原始字符串表示转换为整数
from sklearn.preprocessing import LabelEncoder
X = df.loc[:, 2:].values
y = df.loc[:, 1].values
le = LabelEncoder()
y = le.fit_transform(y)
le.transform(['M', 'B'])

# 将数据将划分80/20
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = \
        train_test_split(X, y, test_size=0.20, random_state=1)

# 通过流水线将StandardScaler,PCA,LogisticRegression串联起来
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
pipe_lr = Pipeline([('scl', StandardScaler()),
            ('pca', PCA(n_components=2)),
            ('clf', LogisticRegression(random_state=1))])
pipe_lr.fit(X_train, y_train)
print('Test Accuracy: %.3f' % pipe_lr.score(X_test, y_test))
y_pred = pipe_lr.predict(X_test)

输出:

【机器学习】基于流水线的工作流






最新发布

CentOS专题

关于本站

5ibc.net旗下博客站精品博文小部分原创、大部分从互联网收集整理。尊重作者版权、传播精品博文,让更多编程爱好者知晓!

小提示

按 Ctrl+D 键,
把本文加入收藏夹