问题导读 1.如何选择建模数据? 2.什么是特征? 3.本文使用什么建模? 关注最新经典文章,欢迎关注公众号 机器学习,人工智能在我们看来是非常神秘,并且是非常难学的,在你有一定的了解后,发现原来没有想象的那么难,跟我们的普通编程,唯一不同的地方就是使用了数学公式。但是并不是上来我们就需要数学的,我们可以循序渐进的学习。下面是第一个机器学习模型。 选择建模数据 数据集有太多的变量,你怎么能把这些压倒性的数据减到你能理解的内容? 我们首先使用我们的直觉选择一些变量。 后面将展示自动确定变量优先级的统计技巧。 要选择变量/列,我们需要查看数据集中所有列的列表。 这是通过DataFrame的columns属性(下面的代码底部行)完成的。 有很多方法可以选择数据的子集。 我们现在将重点关注两种方法。
选择预测目标 您可以使用dot-notation来提取变量。 这一列存储在一个Series中,它大致类似于只有一列数据的DataFrame。 我们将使用dot notation来选择我们想要预测的列,这称为预测目标。 按照惯例,预测目标称为y。 因此,我们需要在墨尔本数据中保存房价的代码是 选择“特征” 输入到我们模型中的列(后来用于进行预测)被称为“特征”。 在我们的例子中,那些将是用于确定房价的列。 有时,将使用除目标之外的所有列作为要素。 其他时候你会用更少的功能更好。 目前,我们将构建一个只有少数特征的模型。 稍后你将看到如何迭代和比较使用不同特征构建的模型。 我们通过在括号内提供列名列表来选择多个特征。 该列表中的每个项都是一个字符串(带引号)。 例子: 按照惯例,这个数据称为X. 让我们使用describe方法和head方法快速查看我们将用于预测房价的数据,该方法显示前几行。
使用这些命令直观地检查数据是数据科学家工作的重要组成部分。 经常会在数据集中发现值得进一步检查。 建立模型 你将使用scikit-learn库来创建模型。 编码时,此库编写为sklearn,你将在示例代码中看到。 Scikit-learn是最常用的库,用于对通常存储在DataFrame中的数据类型进行建模。 构建和使用模型的步骤如下: 定义:它是什么类型的模型? 决策树? 其他类型的模型? 还指定了模型类型的一些其他参数。 fit:从提供的数据中匹配模式。 这是建模的核心。 预测:看起来是什么样的 评估:确定模型预测的准确程度。 下面是使用scikit-learn定义决策树模型并将其与特征和目标变量拟合的示例。 许多机器学习模型允许模型训练中的一些随机性。 为random_state指定一个数字可确保在每次运行中获得相同的结果。 这被认为是一种很好的做法。 使用任何数字,模型质量不依赖于选择的确切值。 我们现在有一个可以用来进行预测的拟合模型。 在实践中,你会想要对市场上的新房子进行预测,而不是对我们已经有价格的房屋进行预测。 但是我们将对训练数据的前几行进行预测,以了解预测函数的工作原理。 |
|小黑屋|about云开发-学问论坛|社区-大数据云技术学习分享平台 ( 京ICP备12023829号 )
GMT+8, 2018-8-29 21:32 , Processed in 0.389345 second(s), 29 queries , Gzip On.