Параметры машины по вин коду: Проверка комплектации🛂 автомобиля по VIN коду или гос номеру — Автокод

Просмотров: 522

Вин-код представляет собой надпись из 17 цифр и букв. Не все автовладельцы знают, зачем нужен этот номер. Прежде всего vin код необходим для того, чтобы облегчить ремонт автомобиля и замену его запчастей. По этому коду можно определить, каким оборудованием был укомплектован автомобиль. Также по нему очень легко найти запасные части.

Также vin-код будет необходим в том случае, если вы надумали купить машину. Он позволит обезопасить покупку. Vin-код не обязательно знать наизусть, можно проверить выполнить его проверку.

Если вы приобретаете машину в салоне, вам нужно проверить сверить вин код, указанный в паспорте, с тем, который выбит на кузове. Нередко бывают случаи, когда ПТС не является соответствующим вину, указанному на авто. Такие ситуации случаются по невнимательности персонала. Если вам предстоит покупка бу авто, то здесь также потребуется проверка вин кода. С помощью него вы сможете узнать состояние автомобиля, его пробег, информацию о предыдущих владельцах. Вин-код расскажет вам о том был ли автомобиль в аварии, находился ли под арестом, является ли он угнанным. Такая проверка истории автомобиля поможет вам не прогадать в цене и не приобрести автомобиль, имеющий криминальное прошлое.

Как проверить vin-код?

Выполнить проверку по вин несложно. Достаточно зайти на сайты, которые специализируются на проведении такой проверки. Например, проверка vin кода предлагается здесь carvin-info.com. Также провести такую проверку вам помогут vin check, carfax и другие сервисы. Некоторые сайты предлагают ее бесплатно, другие назначают за неё умеренную цену. С помощью вин кода вы можете протестировать авто на наличие запретов и ограничений на регистрацию. Также по вину можно узнать наличие задолженностей по автомобилю у его владельца. Но для этого вам потребуется узнать имя и фамилию владельца. Провести проверку по вину можно и в ГИБДД. В этом случае вам не придется сомневаться в подлинности предоставленной информации. Но такая проверка является платной.

По вин коду можно выяснить технические параметры машины, страну производителя, массу любопытных фактов из ее биографии. Проверка по вин коду особенно важна, если вы планируете делать выбор авто на вторичном рынке. Вы будете уверены, что приобретаете юридически чистое авто. Но также она может быть необходима и тем людям, которые хотят выполнить ремонт своего авто.

Характеристика авто по vin коду – Telegraph

Характеристика авто по vin коду

====================================

>> Перейти к скачиванию

====================================

Проверено, вирусов нет!

====================================

VIN номер, или уникальный код транспортного средства, производитель. характеристики;; Комплектация;; Информация о продаже автомобиля, его.

Pасшифровка vin код автомобиля vin, nроверка по VIN номеру автомобиля на угон, ДТП.

Как узнать комплектацию автомобиля. Комплектация по VIN. Узнать комплектацию по VIN-коду. Как по ВИНу узнать комплектацию.

VIN код автомобиля – это идентификационный номер автомобиля, который. Узнать характеристики автомобиля, при наличии нескольких вариантов.

Что можно узнать по VIN-коду? характеристики машины: тип двигателя, кузова;; год выпуска;; комплектация;; отзывы производителя;; гарантийные.

Введение числа ВИН даст вам знать историю автомобиля. Первое, что я делаю при покупке подержанного автомобиля, это проверяю VIN код. Должен.

Как бесплатно проверить VIN кода автомобиля?. только изготовителя вашего железного коня, но и узнать массу технических характеристик, модель и.

VIN(ВИН) код, это уникальный цифро-буквенный номер, описывающий многие параметры и характеристики автомобиля. По ВИН коду вы можете.

Уникальный подбор по VIN (ВИН) коду. Узнайте оригинальные параметры колесных дисков и шин по VIN (ВИН) коду Вашего автомобиля бесплатно и.

VIN код является неотъемлемым атрибутом каждого автомобиля. восьмой показывают основные технические характеристики автомобиля: модель.

Проверка машины по Vin-коду. Точная информация о возрасте автомобиля, его модели, объеме двигателя, цвете и его производителе.

VINformer: расшифровка VIN, история автомобиля, история владения автомобилем, страховая история, проверка ПТС, диагностика автомобиля (в том.

Большинство этих сайтов помогут вам расшифровать VIN-код до полного понимания технических характеристик и комплектации автомобиля.

Эта часть состоит из 6 знаков (с 4 по 9, при этом 9 символ контрольный, который характеристики автомобиля не описывает). В VIN-коде автомобиля.

Расшифровка VIN-кода; Как проверить VIN-код авто?. выяснить технические характеристики;; уточнить год выпуска, пробег авто, участие в ДТП;.

Для выяснения всех этих сведений служит vin код авто. стране произвели данное авто, дату изготовления, главные характеристики автомобиля.

Расшифровка и история авто по vin коду. Чтобы расшифровать VIN код, введите VIN номер в форму слева (VIN Decoder), и нажмите проверить!

Для получения подробной информации введите VIN (уникальный код автомобиля). Проверка VIN кода возможна для автомобилей Mercedes-Benz.

Поиск информации об автомобиле по VIN-коду. информацию по вашему автомобилю DAF, введя его VIN номер в соответствующее поле ниже.

Здесь вы можете пробить машину по вин коду в режиме онлайн и получить отчёт. Самая точная проверка истории автомобиля. Узнайте истину!

Прогноз качества вина с помощью нескольких методов классификации | Теренс Шин

Сначала я импортировал все соответствующие библиотеки, которые я буду использовать, а также сами данные.

Импорт библиотек

 import numpy as np 
 import pandas as pd 
 import matplotlib as plt 
 import seaborn as sns 
 import plotly.express as px 

Reading Data

 df = pd.read_csv ("../ input / red-wine-quality-cortez-et-al-2009 / winequality-red.csv ") 

Понимание данных

Затем я хотел получить лучшее представление о том, с чем я работаю.

 # Посмотреть количество строк и столбцов 
 print ("Rows, columns:" + str (df.shape)) # Посмотреть первые пять строк набора данных 
 df.head () 

Всего их 1599 ряды и 12 столбцов. Данные выглядят очень чистыми, если посмотреть на первые пять строк, но я все же хотел убедиться, что не было пропущенных значений.

Отсутствующие значения

 # Отсутствующие значения 
 print (df.isna (). Sum ()) 

Это очень удобный набор данных для начинающих. Мне не приходилось иметь дело с отсутствующими значениями, и нет особой гибкости для разработки некоторых функций с учетом этих переменных.Затем я хотел еще немного изучить свои данные.

Гистограмма переменной «качество»

Во-первых, я хотел увидеть распределение переменной качества . Я хотел убедиться, что в моем наборе данных достаточно вин «хорошего качества» — позже вы увидите, как я определил «хорошее качество».

 fig = px.histogram (df, x = 'quality') 
 fig.show () 

Correlation Matrix

Затем я хотел увидеть корреляции между переменными, с которыми я работаю.Это позволяет мне быстрее понять взаимосвязь между моими переменными.

Сразу я вижу, что есть некоторые переменные, которые сильно коррелируют с качеством . Вероятно, эти переменные также являются наиболее важными функциями в нашей модели машинного обучения, но мы рассмотрим это позже.

 corr = df.corr () 
 matplotlib.pyplot.subplots (figsize = (15,10)) 
 sns.heatmap (corr, xticklabels = corr.columns, yticklabels = corr.columns, annot = True, cmap = sns.diverging_palette (220, 20, as_cmap = True)) 

Возвращаясь к моей цели, я хотел сравнить эффективность различных методов классификации, поэтому мне нужно было изменить выходную переменную на двоичный выход.

Для этой проблемы я определил бутылку вина как «хорошее качество», если у нее был показатель качества 7 или выше, а если он имел показатель качества менее 7, он считался «плохим качеством».

После того, как я преобразовал выходную переменную в двоичный выход, я разделил свои функциональные переменные (X) и целевую переменную (y) на отдельные фреймы данных.

 # Создать версию классификации целевой переменной 
 df ['goodquality'] = [1 if x> = 7 else 0 for x in df ['quality']] # Разделить функциональные переменные и целевую переменную 
 X = df.drop ( ['качество', 'хорошее качество'], ось = 1) 
 y = df ['хорошее качество'] 

Соотношение хороших и плохих вин

Я хотел убедиться, что существует разумное количество вин хорошего качества. Судя по результатам, представленным ниже, это показалось достаточно справедливым. В некоторых приложениях может потребоваться повторная выборка, если данные были чрезвычайно несбалансированными, но я предположил, что для этой цели это нормально.

 # Посмотреть соотношение хороших и плохих вин 
 df ['goodquality']. Value_counts () 

Стандартизация переменных признаков

На этом этапе я почувствовал, что готов подготовить данные для моделирования. Первое, что я сделал, — это стандартизировал данные. Стандартизация данных означает, что они преобразуют данные так, что их распределение будет иметь среднее значение 0 и стандартное отклонение 1. Важно стандартизировать данные, чтобы уравнять диапазон данных.

Например, представьте себе набор данных с двумя входными характеристиками: рост в миллиметрах и вес в фунтах. Поскольку значения «роста» намного выше из-за его измерения, больший акцент будет автоматически сделан на рост, чем на вес, что создает смещение.

 # Нормализовать переменные функций 
 из sklearn.preprocessing import StandardScaler 
 X_features = X 
 X = StandardScaler (). Fit_transform (X) 

Разделить данные

Затем я разделил данные на обучающий и тестовый набор, чтобы я мог пересечь -проверить мои модели и определить их эффективность.

 # Разделение данных 
 из sklearn.model_selection import train_test_split 
 X_train, X_test, y_train, y_test = train_test_split (X, y, test_size = .25, random_state = 0) 

Теперь самое интересное!

В этом проекте я хотел сравнить пять различных моделей машинного обучения: деревья решений, случайные леса, AdaBoost, Gradient Boost и XGBoost. В рамках этого проекта я хотел сравнить эти модели по их точности.

Модель 1: Дерево решений

Деревья решений — популярная модель, используемая в исследованиях операций, стратегическом планировании и машинном обучении.Каждый квадрат выше называется узлом, и чем больше у вас узлов, тем точнее будет ваше дерево решений (как правило). Последние узлы дерева решений, где принимается решение, называются листьями дерева. Деревья решений интуитивно понятны и просты в построении, но не обладают достаточной точностью.

 из sklearn.metrics импорт классификации_report 
 из sklearn.tree импорт DecisionTreeClassifiermodel1 = DecisionTreeClassifier (random_state = 1) 
 model1.fit (X_train, y_train) 
 y_pred1 = model1.предсказать (X_test) print (classification_report (y_test, y_pred1)) 

Модель 2: Случайный лес

Случайные леса — это метод ансамблевого обучения, основанный на деревьях решений. Случайные леса включают создание нескольких деревьев решений с использованием самонастраиваемых наборов исходных данных и случайный выбор подмножества переменных на каждом шаге дерева решений. Затем модель выбирает режим всех прогнозов каждого дерева решений. Какой в ​​этом смысл? Опираясь на модель «большинство выигрывает», он снижает риск ошибки в отдельном дереве.

Например, если мы создали одно дерево решений, третье, оно будет предсказывать 0. Но если бы мы полагались на режим всех 4 деревьев решений, предсказанное значение было бы 1. Это мощность случайные леса.

 из sklearn.ensemble import RandomForestClassifier 
 model2 = RandomForestClassifier (random_state = 1) 
 model2.fit (X_train, y_train) 
 y_pred2 = model2.predict (X_ Modeltest) print (classification_report (y_test, y_11a000B)  
 Следующие три модели представляют собой алгоритмы повышения квалификации, которые превращают слабых учеников в сильных.Я не хочу отвлекаться и объяснять разницу между этими тремя, потому что это довольно сложно и запутанно. При этом я оставлю несколько ресурсов, где вы можете узнать об AdaBoost, Gradient Boosting и XGBoosting. 
 
 из sklearn.ensemble import AdaBoostClassifier 
 model3 = AdaBoostClassifier (random_state = 1) 
 model3.fit (X_train, y_train) 
 y_pred3 = model3.predict (X_test) print (classification_report (y_3000), y_pred Повышение  
 из sklearn.Импорт ансамбля GradientBoostingClassifier 
 model4 = GradientBoostingClassifier (random_state = 1) 
 model4.fit (X_train, y_train) 
 y_pred4 = model4.predict (X_test) print (классификационный_отчет (y_test, y_ 
) как импорт модели 9000boost, 9000boost 
)) xgb 
 model5 = xgb.XGBClassifier (random_state = 1) 
 model5.fit (X_train, y_train) 
 y_pred5 = model5.predict (X_test) print (classification_report (y_test, y_pred5)) 
 Путем сравнения пяти моделей случайного леса и XGBoost, кажется, обеспечивает высочайший уровень точности.Однако, поскольку XGBoost имеет лучший показатель f1 для предсказания вин хорошего качества (1), я прихожу к выводу, что XGBoost является победителем из пяти моделей.
 Ниже я изобразил важность функции на основе модели случайного леса и модели XGBoost. Хотя они немного различаются, три основных характеристики одинаковы: алкоголь, летучая кислотность и сульфаты. Если вы посмотрите ниже графиков, я разделил набор данных на хорошее и плохое, чтобы сравнить эти переменные более подробно.
 через случайный лес 
 feat_importances = pd.Series (model2.feature_importances_, index = X_features.columns) 
 feat_importances.nlargest (25) .plot (kind = 'barh', figsize = (10,10)) 
 через XGBoost 
 feat_importances = pd.Series (model5. feature_importances_, index = X_features.columns) 
 feat_importances.nlargest (25) .plot (kind = 'barh', figsize = (10,10)) 
 Сравнение четырех основных функций 
 # Фильтрация df только для хорошего качества 
 df_temp = df [df ['goodquality'] == 1] 
 df_temp.describe () # Фильтрация df только для плохого качества 
 df_temp2 = df [df ['goodquality'] == 0] 
 df_temp2.description () 
Хорошее качество Плохое качество
  Изучив детали, мы можем увидеть, что вина хорошего качества имеют в среднем более высокий уровень алкоголя, в среднем более низкую летучую кислотность, в среднем более высокие уровни сульфатов и более высокие уровни остаточных количеств. сахар в среднем. 
 Прогноз качества вина - Машинное обучение 
 Здесь мы будем прогнозировать качество вина на основе заданных характеристик. Мы используем набор данных о качестве вина от Kaggle. Этот набор данных имеет фундаментальные особенности, которые влияют на качество вина.Используя несколько моделей машинного обучения, мы сможем спрогнозировать качество вина. Здесь мы будем иметь дело только с качеством белого вина, мы используем методы классификации, чтобы дополнительно проверить качество вина, то есть хорошее оно или плохое.
  Набор данных : здесь
  Описание набора данных: 
 В этом наборе данных классы упорядочены, но не сбалансированы. Здесь экземпляры красного вина присутствуют в большом количестве, а экземпляры белого вина - меньше, чем экземпляры красного.
 Это названия функций из набора данных -:
 
 
 тип
 фиксированная кислотность
 летучая кислотность
 лимонная кислота
 остаточный сахар
 хлориды
 диоксид серы общий
 свободный диоксид серы
 общий диоксид серы
 плотность
 pH
 сульфаты
 алкоголь
 качество
 Импорт важных библиотек: 
 Python3 
  import   pandas 922 nd0 9024 922 922 import as pd 902
  импорт   matplotlib.pyplot as plt 
  import   seaborn as sb 
  Pandas  - полезная библиотека для анализа данных, библиотека  Numpy  используется для работы с массивами,  Seaborn  и  Matplotl в визуализации данных.
 Чтение данных: 
 Python3 
  Dataframe   =   pd.read_csv (R   'D: \\ xdatasets \ winequalityN.csv ' ) 
 Pandas  read_csv  функция, используемая для чтения файла csv.
 Проверка данных: 
  Выход: 
 
  Выход: 
 
  Выход: 
 
 Проверка нулевых значений: 
 
2 Визуализация данных
 :
 Python 
  сб.pairplot (Dataframe) 
  plt.show () 
  Вывод: 
 
 Python3 
     bframe.bframe. , figsize   =   (  10  ,   10  )) 
  plt.show () 
 
 
 
  плат.рисунок (figsize   =   [  15  ,   6  ]) 
  plt.bar (df [  'качество'  ], df [
4 'алкоголь ]) 
  plt.xlabel (  «качество»  ) 
  plt.ylabel (  «спирт»  ) 
  plt.show ()24
  Вывод: 
 s
 Проверяем, как качество вина повышается с увеличением процента алкоголя в вине.
 Проверка корреляции: 
 Здесь мы используем статистический метод, который используется для оценки силы связи между двумя количественными переменными.
 
 
 Python3 
  plt.figure (figsize   =   [  18  ,   7  ]) 902heatframe (DataFrame) 
 sbframe (DataFrame) annot   =   True  ) 
  plt.show () 
  Вывод: 
 Из этой визуализации корреляции мы найдем, какие функции коррелируют с другими функциями. поэтому мы будем использовать программу Python, чтобы найти эти функции.
 Python3 
  colm   =   [] 
  для   i   в диапазоне     (  len Data (  len Data (  len Data)corr (). keys ())): 
    для   j   в диапазоне     (j): 
    if   abs  r (Data) .iloc [i, j])>   0,7  : 
    colm   =   Dataframe.corr (). columns [i] 
 По этому коду мы найдем что  «общий диоксид серы»  имеет корреляцию больше 0.7 значений, поэтому мы опускаем этот столбец.
 Python3 
24 значение24 9 :
 Мы заполняем все нулевые значения средними значениями конкретных функций и напрямую обновляем набор данных с помощью метода  update () .
 Python 
  new_df   =   Dataframe.drop (  'общий диоксид серы'  , ось   =   1 
2 
  new_df.update (new_df.fillna (new_df.mean ())) 
 Обработка категориальных столбцов: 
 Python3 
  cat   =  _d24ty22 'O'  ) 
  df_dummies   =   pd.get_dummies (new_df, drop_first   =   True  ) 
 249 dummies (
00) Мы используем функцию pandas   get_dummies ()    , которая используется для обработки категориальных столбцов, в этом наборе данных функция  'Type'  содержит два типа:  Red,  и  white, , поэтому функция  get_dummies ()  преобразует это в двоичный формат, потому что компьютер не понимал типы объектов.Поскольку красное вино - 1, а белое вино - 0.  
 Зависимые и независимые характеристики: 
 В основном, мы будем использовать методы классификации, чтобы подогнать нашу модель к набору данных для большей точности, поэтому мы внесем некоторые фундаментальные изменения в зависимая функция.
 Python3 
  df_dummies [  'лучшее качество'  ]   =   [  1   if   x>  9022  if   x>  9022 9022  для   x   в   Dataframe.качество] 
  print   (df_dummies) 
 
 Мы создаем программу, в которой, если значение  зависимой характеристики «качество » больше 7, то она будет считаться  1  и если их меньше 7, то мы считали это  0 , и это будет сохранено в новом созданном столбце  «лучшее качество» .
 
 
 Разделение наборов данных на обучение и тестирование: 
 Python3 
  из   sklearn.предварительная обработка   импорт   train_test_split 
  x   =   df_dummies.drop ([  'качество'  ,    '
4'
4 'наилучшее качество'  ) 
  y   =   df_dummies [  'лучшее качество'  ] 
  xtrain, xtest, ytrain, ytest _ _train, ytest __ru =   0.2  , random_state   =   40  ) 
 Нормализация числовых характеристик: 
 Мы будем использовать метод нормализации для масштабирования наших данных, потому что в наших функциях диапазон данных высокий, поэтому этот метод уравновешивает диапазоны от 0 до 1.
 Python3 
  от   sklearn.preprocessing   import   MinMaxScaler 
  norm Scaler   =   норм.fit (xtrain) 
  scal_xtrain   =   norm_fit.transform (xtrain) 
  scal_xtest   =   norm_fit.transform (xtest) 902_24 9223
 
 После преобразования данные обучения и тестирования автоматически преобразуются в форму n-мерного массива.
 Применение моделей: 
 Мы будем применять несколько моделей  Regression  и  Classification  для проверки оценки точности, но  RandomForestClassifier  дает нам лучшую точность по сравнению с другой моделью, поэтому мы используем RandomForestClassifier.
 RandomForestClassifier: 
 Python3 
  из   sklearn.ensemble   import   RandomForestClassifier 
 23
 9024_223
 9024_223 из   sklearn.metrics   import   classification_report 
  rnd   =   RandomForestClassifier () 
  fit 90_223 rnd 902fit (new_xtrain, ytrain) 
  rnd_score   =   rnd.score (new_xtest, ytest) 
  print   (_ 'rnd_score модель,  ' оценка модели 
  печать   (  '.................................'  ) 
  print   (  'вычисление ошибки'  ) 
  MSE   =   mean_squared_error (ytest, y_predict) нп.sqrt (MSE) 
  печать   (  'среднеквадратичная ошибка:'  , MSE) 
  печать   (  '' среднеквадратичная ошибка : , RMSE) 
  print   (classification_report (ytest, x_predict)) 
  Вывод: 
 Оценка точности RandomForestClass составляет  также низкий по сравнению с другими моделями.Эта модель предсказывает качество белого вина с точностью до 88%.
 Предсказание значений: 
 Сравните предсказанные значения и наши исходные значения, чтобы проверить, предсказала ли наша модель истинные значения или нет:
 Python3 
  x_predict   =   list   (rnd. прогноз (xtest)) 
  df   =   {  'предсказанный'  : x_predict,   'оригинальный'  : ytest} 
  pd.DataFrame (df) .head (  10  ) 
  Выход: 
 Согласно нашим выводам, мы увидели, что исходные значения тестирования во многом аналогичны прогнозируемым значениям нашей модели RandomForestClassifier . Здесь  1  представляет качество выше 0,7, которое считается вином хорошего качества, а 0 представляет качество ниже 0,7, которое не считается вином хорошего качества.
 Вниманию читателя! Не прекращайте учиться сейчас.Изучите все важные концепции машинного обучения с помощью базового курса  по машинному обучению  по приемлемой для студентов цене и станьте готовым к работе в отрасли.
 
 Репозиторий машинного обучения UCI: набор данных о качестве вина 
  Набор данных о качестве вина  
  Загрузить : Папка данных, описание набора данных
  Реферат : Включены два набора данных, относящиеся к образцам красного и белого вина виньё верде с севера Португалии.Цель состоит в том, чтобы смоделировать качество вина на основе физико-химических тестов (см. [Cortez et al., 2009], [Web Link]).
  Характеристики набора данных: 
 Многомерный
  Количество экземпляров: 
 4898
  Площадь: 
 Бизнес
  Характеристики атрибута: 
 Реальный
  Количество атрибутов: 
 12
  Дата дарения 
 2009-10-07
  Сопутствующие задачи: 
 Классификация, регрессия
  Отсутствуют значения? 
 НЕТ
  Количество посещений в Интернете: 
 1649844
  Источник: 
 Пауло Кортез, Университет Минью, Гимарайнш, Португалия, http: // www3.dsi.uminho.pt/pcortez 
 A. Cerdeira, F. Almeida, T. Matos и J. Reis, Комиссия по виноградарству региона Винью-Верде (CVRVV), Порту, Португалия 
 @ 2009
  Информация о наборе данных: 
 Эти два набора данных относятся к красному и белому вариантам португальского вина "Винью Верде". Для получения более подробной информации обратитесь: [Веб-ссылка] или ссылку [Cortez et al., 2009]. Из-за проблем с конфиденциальностью и логистики доступны только физико-химические (входные) и сенсорные (выходные) переменные (например,грамм. нет данных о сортах винограда, марке вина, отпускной цене вина и т. д.).
 Эти наборы данных можно рассматривать как задачи классификации или регрессии. Классы упорядочены и не сбалансированы (например, нормальных вин намного больше, чем отличных или плохих). Алгоритмы обнаружения выбросов могут использоваться для обнаружения нескольких отличных или плохих вин. Кроме того, мы не уверены, все ли входные переменные актуальны. Так что было бы интересно протестировать методы выбора функций. 
  Информация об атрибуте: 
 Для получения дополнительной информации прочтите [Cortez et al., 2009]. 
 Входные переменные (на основе физико-химических тестов): 
 1 - фиксированная кислотность 
 2 - летучая кислотность 
 3 - лимонная кислота 
 4 - сахар остаточный 
 5 - хлориды 
 6 - диоксид серы свободный 
 7 - диоксид серы общий 
 8 - плотность 
 9 - pH 
 10 - сульфаты 
 11 - алкоголь 
 Выходная переменная (на основе сенсорных данных): 
 12 - качество (от 0 до 10)
  Соответствующие документы: 
 стр.Кортез, А. Кердейра, Ф. Алмейда, Т. Матос и Дж. Рейс. Моделирование предпочтений вин путем извлечения данных из физико-химических свойств. 
 In Decision Support Systems, Elsevier, 47 (4): 547-553, 2009.
 Доступно на: [Веб-ссылка] 
 
  Запрос цитаты: 
 Пожалуйста, включите эту цитату, если вы планируете использовать эту базу данных:
 П. Кортез, А. Кердейра, Ф. Алмейда, Т. Матос и Дж. Рейс. 
 Моделирование предпочтений вин путем интеллектуального анализа данных по физико-химическим свойствам.In Decision Support Systems, Elsevier, 47 (4): 547-553, 2009.
.
 Перекрестная проверка и поиск по сетке для выбора модели в Python 
 Введение 
 Типичный процесс машинного обучения включает в себя обучение различных моделей в наборе данных и выбор наиболее производительной. Однако оценка производительности алгоритма не всегда является простой задачей. Есть несколько факторов, которые могут помочь вам определить, какой алгоритм работает лучше всего. Одним из таких факторов является производительность на множестве перекрестной проверки, а другим фактором является выбор параметров для алгоритма.
 В этой статье мы подробно рассмотрим эти два фактора. Сначала мы изучим, что такое перекрестная проверка, почему она необходима и как ее выполнять с помощью библиотеки Python Scikit-Learn. Затем мы перейдем к алгоритму поиска по сетке и посмотрим, как его можно использовать для автоматического выбора лучших параметров алгоритма.
 Перекрестная проверка 
 Обычно в процессе машинного обучения данные делятся на обучающие и тестовые наборы; затем обучающий набор используется для обучения модели, а набор тестов - для оценки производительности модели.Однако такой подход может привести к проблемам с отклонениями. Проще говоря, проблема дисперсии относится к сценарию, в котором наша точность, полученная в одном тесте, сильно отличается от точности, полученной в другом тестовом наборе с использованием того же алгоритма.
 Решением этой проблемы является использование перекрестной проверки K-Fold для оценки производительности, где K - любое число. Процесс перекрестной проверки K-Fold прост. Вы делите данные на K складок. Из K складок наборы K-1 используются для обучения, а оставшийся набор используется для тестирования.Алгоритм обучается и тестируется K раз, каждый раз новый набор используется в качестве набора для тестирования, а оставшиеся наборы используются для обучения. Наконец, результат перекрестной проверки K-Fold - это среднее значение результатов, полученных на каждом наборе.
 Предположим, мы хотим выполнить 5-кратную перекрестную проверку. Для этого данные делятся на 5 наборов, например, мы называем их SET A, SET B, SET C, SET D и SET E. Алгоритм обучается и тестируется K раз. В первом случае от SET A до SET D используются в качестве обучающего набора, а SET E используется как набор для тестирования, как показано на рисунке ниже:
 Во втором случае SET A, SET B, SET C и SET E используются для обучения, а SET D используется для тестирования.Процесс продолжается до тех пор, пока каждый набор не будет использован хотя бы один раз для обучения и один раз для тестирования. Конечный результат - это среднее значение результатов, полученных с использованием всех складок. Таким образом мы можем избавиться от дисперсии. Используя стандартное отклонение результатов, полученных для каждого раза, мы можем фактически найти дисперсию в общем результате.
 Перекрестная проверка с Scikit-Learn 
 В этом разделе мы будем использовать перекрестную проверку для оценки производительности алгоритма случайного леса для классификации.Задача, которую мы собираемся решить, - спрогнозировать качество вина по 12 признакам. Подробная информация о наборе данных доступна по следующей ссылке:
 https://archive.ics.uci.edu/ml/datasets/wine+quality
 В этой статье мы используем данные только для красного вина.
 Выполните следующие шаги для реализации перекрестной проверки с помощью Scikit-Learn:
 1. Импорт необходимых библиотек 
 Следующий код импортирует несколько необходимых библиотек:
  импортировать панд как pd
импортировать numpy как np
  
 2.Импорт набора данных 
 Загрузите набор данных, который доступен в Интернете по этой ссылке:
 https://www.kaggle.com/piyushgoyal443/red-wine-dataset
 После того, как мы его загрузили, мы поместили файл в папку «Datasets» на нашем диске «D» для этой статьи. Название набора данных - winequality-red.csv. Обратите внимание, что вам нужно изменить путь к файлу, чтобы он соответствовал местоположению, в котором вы сохранили файл на своем компьютере.
 Выполните следующую команду, чтобы импортировать набор данных:
  набор данных = pd.read_csv (r "D: /Datasets/winequality-red.csv", sep = ';')
  
 Набор данных был разделен точкой с запятой, поэтому мы передали ";" атрибут для параметра "sep", чтобы pandas мог правильно проанализировать файл.
 3. Анализ данных 
 Выполните следующий сценарий, чтобы получить обзор данных:
  dataset.head ()
  
 Результат выглядит так:
 фиксированная кислотность
 летучая кислотность
 лимонная кислота
 сахар остаточный
 хлоридов
 диоксид серы свободный
 диоксид серы общий
 плотность
 pH
 сульфатов
 спирт
 качество
 0
 7.4
 0,70
 0,00
 1,9
 0,076
 11,0
 34,0
 0,9978
 3,51
 0,56
 9,4
 5
 1
 7,8
 0,88
 0,00
 2,6
 0.098
 25,0
 67,0
 0,9968
 3,20
 0,68
 9,8
 5
 2
 7,8
 0,76
 0,04
 2,3
 0,092
 15,0
 54,0
 0.9970
 3,26
 0,65
 9,8
 5
 3
 11,2
 0,28
 0,56
 1,9
 0,075
 17,0
 60,0
 0,9980
 3,16
 0,58
 9.8
 6
 4
 7,4
 0,70
 0,00
 1,9
 0,076
 11,0
 34,0
 0,9978
 3,51
 0,56
 9,4
 5
 4. Предварительная обработка данных 
 Выполните следующий сценарий, чтобы разделить данные на наборы меток и функций.
  X = dataset.iloc [:, 0:11] .values
y = dataset.iloc [:, 11] .values
  
 Поскольку мы используем перекрестную проверку, нам не нужно разделять наши данные на обучающие и тестовые наборы. Нам нужны все данные в обучающем наборе, чтобы мы могли применить к ним перекрестную проверку. Самый простой способ сделать это - установить для параметра  test_size  значение 0. Это вернет все данные в обучающем наборе, как показано ниже:
  из sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split (X, y, test_size = 0, random_state = 0)
  
 5.Масштабирование данных 
 Если вы посмотрите на набор данных, вы заметите, что он плохо масштабируется. Например, столбцы «летучая кислотность» и «лимонная кислота» имеют значения от 0 до 1, в то время как большинство остальных столбцов имеют более высокие значения. Поэтому перед обучением алгоритма нам нужно будет уменьшить масштаб наших данных.
 Здесь мы будем использовать класс  StandardScalar .
  из sklearn.preprocessing import StandardScaler
feature_scaler = StandardScaler ()
X_train = feature_scaler.fit_transform (X_train)
X_test = feature_scaler.transform (X_test)
  
 6. Обучение и перекрестная проверка 
 Первый шаг на этапе обучения и перекрестной проверки прост. Вам просто нужно импортировать класс алгоритма из библиотеки  sklearn , как показано ниже:
  из sklearn.ensemble import RandomForestClassifier
classifier = RandomForestClassifier (n_estimators = 300, random_state = 0)
  
 Затем, чтобы реализовать перекрестную проверку, метод  cross_val_score  файла  sklearn.Можно использовать библиотеку model_selection .  cross_val_score  возвращает точность для всех складок. Значения 4 параметров необходимо передать в класс  cross_val_score . Первый параметр - это оценщик, который в основном определяет алгоритм, который вы хотите использовать для перекрестной проверки. Второй и третий параметры,  X  и  y , содержат данные  X_train  и  y_train , то есть функции и метки. Наконец, количество складок передается в параметр  cv , как показано в следующем коде:
  из sklearn.model_selection импорт cross_val_score
all_accuracies = cross_val_score (оценка = классификатор, X = X_train, y = y_train, cv = 5)
  
 После того, как вы выполнили это, давайте просто напечатаем точности, возвращенные для пяти сгибов методом  cross_val_score , вызвав  print  на  all_accuracies .
  печать (все_точности)
  
 Ознакомьтесь с нашим практическим руководством по изучению Git с передовыми практиками, общепринятыми стандартами и включенной памяткой.Прекратите поиск в Google команд Git и фактически  выучите  его!
 Выход:
  [0,72360248 0,68535826 0,70716511 0,68553459 0,68454259]
  
 Чтобы найти среднее значение всех погрешностей, просто используйте метод  mean ()  объекта, возвращенного методом  cross_val_score , как показано ниже:
  печать (all_accuracies.mean ())
  
 Среднее значение 0,6972, или 69,72%.
 Наконец, давайте найдем стандартное отклонение данных, чтобы увидеть степень дисперсии результатов, полученных с помощью нашей модели.Для этого вызовите метод  std ()  для объекта  all_accuracies .
  печать (all_accuracies.std ())
  
 Результат: 0,01572, что составляет 1,57%. Это очень мало, что означает, что наша модель имеет очень низкую дисперсию, что на самом деле очень хорошо, поскольку это означает, что прогноз, который мы получили на одном тестовом наборе, не случаен. Скорее, модель будет работать более или менее одинаково на всех тестовых наборах.
 Поиск по сетке для выбора параметра 
 Модель машинного обучения имеет два типа параметров.Первый тип параметров - это параметры, которые изучаются с помощью модели машинного обучения, а второй тип параметров - это гиперпараметры, которые мы передаем в модель машинного обучения.
 В последнем разделе при прогнозировании качества вина мы использовали алгоритм случайного леса. Количество оценок, которые мы использовали для алгоритма, было 300. Аналогично в алгоритме KNN мы должны указать значение K, а для алгоритма SVM мы должны указать тип ядра. Эти оценки - значение K и ядро ​​- все типы гиперпараметров.
 Обычно мы случайным образом устанавливаем значения для этих гиперпараметров и смотрим, какие параметры дают наилучшую производительность. Однако случайный выбор параметров для алгоритма может оказаться исчерпывающим.
 Кроме того, нелегко сравнивать производительность разных алгоритмов путем случайной установки гиперпараметров, потому что один алгоритм может работать лучше, чем другой, с другим набором параметров. И если параметры изменить, алгоритм может работать хуже, чем другие алгоритмы.
 Следовательно, вместо случайного выбора значений параметров лучшим подходом будет разработка алгоритма, который автоматически находит наилучшие параметры для конкретной модели. Grid Search - один из таких алгоритмов.
 Поиск по сетке с помощью Scikit-Learn 
 Реализуем алгоритм поиска по сетке на примере. Сценарий в этом разделе должен запускаться после сценария, который мы создали в последнем разделе.
 Для реализации алгоритма поиска по сетке нам необходимо импортировать класс  GridSearchCV  из файла sklearn .model_selection  библиотека.
 Первый шаг, который вам нужно выполнить, - это создать словарь всех параметров и соответствующего им набора значений, которые вы хотите протестировать на лучшую производительность. Имя элементов словаря соответствует имени параметра, а значение соответствует списку значений параметра.
 Давайте создадим словарь параметров и их соответствующих значений для нашего алгоритма случайного леса. Подробная информация обо всех параметрах алгоритма случайного леса доступна в документации Scikit-Learn.
 Для этого выполните следующий код:
  grid_param = {
    'n_estimators': [100, 300, 500, 800, 1000],
    'критерий': ['Джини', 'энтропия'],
    'bootstrap': [Верно, Неверно]
}
  
 Внимательно посмотрите на приведенный выше код. Здесь мы создаем словарь  grid_param  с тремя параметрами:  n_estimators , критерий   и  bootstrap . Значения параметров, которые мы хотим опробовать, передаются в списке. Например, в приведенном выше сценарии мы хотим найти, какое значение (из 100, 300, 500, 800 и 1000) обеспечивает наивысшую точность.
 Аналогичным образом, мы хотим найти, какое значение приводит к наивысшей производительности для параметра критерия  : «Джини» или «энтропия»? Алгоритм поиска по сетке в основном перебирает все возможные комбинации значений параметров и возвращает комбинацию с максимальной точностью. Например, в приведенном выше случае алгоритм проверит 20 комбинаций (5 x 2 x 2 = 20).
 Алгоритм поиска по сетке может быть очень медленным из-за потенциально огромного количества тестируемых комбинаций.Кроме того, перекрестная проверка еще больше увеличивает время выполнения и сложность.
 После создания словаря параметров следующим шагом будет создание экземпляра класса  GridSearchCV . Вам необходимо передать значения для параметра  оценщика , который в основном является алгоритмом, который вы хотите выполнить. Параметр  param_grid  принимает словарь параметров, который мы только что создали, в качестве параметра, параметр  scoring  принимает метрики производительности, параметр  cv  соответствует количеству складок, которое в нашем случае равно 5, и, наконец,  n_jobs  Параметр относится к количеству процессоров, которые вы хотите использовать для выполнения.Значение -1 для параметра  n_jobs  означает, что используется вся доступная вычислительная мощность. Это может быть удобно, если у вас большой объем данных.
 Обратите внимание на следующий код:
  gd_sr = GridSearchCV (оценка = классификатор,
                     param_grid = grid_param,
                     scoring = 'точность',
                     cv = 5,
                     n_jobs = -1)
  
 После инициализации класса  GridSearchCV  последним шагом является вызов метода  fit  класса и передача ему обучающего и тестового набора, как показано в следующем коде:
  гд_ср.подходят (X_train, y_train)
  
 Для выполнения этого метода может потребоваться некоторое время, поскольку у нас есть 20 комбинаций параметров и 5-кратная перекрестная проверка. Таким образом, алгоритм выполнится всего 100 раз.
 После того, как метод завершит выполнение, следующим шагом будет проверка параметров, которые возвращают наивысшую точность. Для этого распечатайте атрибут  sr.best_params_  объекта  GridSearchCV , как показано ниже:
  best_parameters = gd_sr.best_params_
печать (лучшие_параметры)
  
 Выход:
  {'bootstrap': True, 'criterion': 'gini', 'n_estimators': 1000}
  
 Результат показывает, что наивысшая точность достигается, когда  n_estimators  равны 1000,  bootstrap  равен  True  и  критерий  равен «Джини».
  Примечание : Было бы неплохо добавить большее количество оценщиков и посмотреть, увеличится ли производительность дальше, поскольку было выбрано максимально допустимое значение  n_estimators .
 Последний и последний шаг алгоритма поиска по сетке - определение точности, полученной с использованием лучших параметров. Ранее у нас была средняя точность 69,72% с 300  n_estimators .
 Чтобы определить максимальную точность, выполните следующий код:
  best_result = gd_sr.best_score_
печать (лучший_результат)
  
 Достигнутая точность: 0,6985 из 69,85%, что лишь немного лучше 69,72%. Чтобы улучшить это, было бы хорошо проверить значения для других параметров алгоритма случайного леса, таких как  max_features ,  max_depth ,  max_leaf_nodes  и т. Д.чтобы увидеть, улучшится ли точность дальше или нет.
 Заключение 
 В этой статье мы изучили два очень часто используемых метода оценки производительности и выбора модели алгоритма. Перекрестная проверка методом K-Fold может использоваться для оценки производительности модели путем решения проблемы дисперсии набора результатов. Кроме того, чтобы определить лучший алгоритм и лучшие параметры, мы можем использовать алгоритм поиска по сетке.
 Репозиторий машинного обучения UCI: набор данных Wine 
  Характеристики набора данных: 
 Многомерный
  Количество экземпляров: 
 178
  Площадь: 
 Физический
  Характеристики атрибута: 
 Целое, вещественное
  Количество атрибутов: 
 13
  Дата дарения 
 1991-07-01
  Сопутствующие задачи: 
 Классификация
  Отсутствуют значения? 
 №
  Количество посещений в Интернете: 
 1747054
  Источник: 
 Первоначальные владельцы:
 Форина, М.и др., ПАРВУС - 
 Расширяемый пакет для исследования, классификации и корреляции данных. 
 Институт фармацевтического и пищевого анализа и технологий, Via Brigata Salerno, 
 16147 Генуя, Италия.
 Донор:
 Стефан Эберхард, электронная почта:  Стефан  '@'  coral.cs.jcu.edu.au 
  Информация о наборе данных: 
 Эти данные являются результатом химического анализа вин, выращенных в одном и том же регионе Италии, но полученных из трех разных сортов.Анализ определил количество 13 компонентов, содержащихся в каждом из трех типов вин.
 Я думаю, что в исходном наборе данных было около 30 переменных, но по какой-то причине у меня есть только 13-мерная версия. У меня был список из 30 или около того переменных, но а) я его потерял и б) я не знал, какие 13 переменных включены в набор.
 Атрибуты (авторство Риккардо Лирди,  riclea  '@'  anchem.unige.it ) 
 1) Алкоголь 
 2) Яблочная кислота 
 3) Ясень 
 4) Щелочность золы 
 5) Магний 
 6) Всего фенолов 
 7) Флаваноиды 
 8) нефлаваноидные фенолы 
 9) проантоцианы 
 10) Интенсивность цвета 
 11) Оттенок 
 12) OD280 / OD315 разбавленных вин 
 13) Пролин
 В контексте классификации это хорошо поставленная проблема с «хорошо управляемыми» структурами классов.Хороший набор данных для первого тестирования нового классификатора, но не очень сложный.
  Информация об атрибуте: 
 Все атрибуты непрерывны
 Статистика недоступна, но предлагается стандартизировать переменные для определенных целей (например, для нас с классификаторами, которые НЕ масштабно инвариантны)
 ПРИМЕЧАНИЕ: 1-й атрибут - это идентификатор класса (1-3)
  Соответствующие документы: 
 (1) 
 С. Эберхард, Д.Куманс и О. де Вель, 
 Сравнение классификаторов в параметрах большой размерности, 
 Тех. Номер представителя 92-02, (1992), Департамент компьютерных наук и Департамент 
 Математика и статистика, Университет Джеймса Кука в Северном Квинсленде. 
 (также представлен в Technometrics).
 Эти данные использовались со многими другими для сравнения различных 
 классификаторов. Классы разделимы, правда только RDA 
 получил 100% правильную классификацию. 
 (RDA: 100%, QDA 99.4%, LDA 98,9%, 1NN 96,1% (z-преобразованные данные)) 
 (Все результаты с использованием метода исключения одного исключения)
 (2) 
 С. Эберхард, Д. Куманс и О. де Вель, 
 «КЛАССИФИКАЦИОННОЕ ИСПОЛНЕНИЕ RDA» 
 Тех. Номер представителя 92-01, (1992), Департамент компьютерных наук и Департамент 
 Математика и статистика, Университет Джеймса Кука в Северном Квинсленде. 
 (также отправлено в Journal of Chemometrics).
 Здесь данные использовались, чтобы проиллюстрировать превосходную производительность 
 использование новой функции оценки с RDA.
 
  Документы, цитирующие этот набор данных  1 : 
 Пинг Чжун и Масао Фукусима. Регуляризованный негладкий метод Ньютона для мультиклассовых машин опорных векторов. 2005. [Контекст просмотра].
 Игорь Фишер и Ян Польша. Усиление блочно-матричной структуры для спектральной кластеризации. Телекоммуникационная лаборатория. 2005. [Контекст просмотра].
 Агапито Ледежма и Рикардо Алер, Арасели Санчис и Даниэль Боррахо. Эмпирическая оценка оптимизированных конфигураций стекирования.ICTAI. 2004. [Контекст просмотра].
 Цзянбинь Тан и Дэвид Л. Доу. MML-вывод наклонных деревьев решений. Австралийская конференция по искусственному интеллекту. 2004. [Контекст просмотра].
 Сугато Басу. Полу-контролируемая кластеризация с ограниченными базовыми знаниями. AAAI. 2004. [Контекст просмотра].
 Стефан Муттер, Марк Холл и Эйбе Франк. Использование классификации для оценки результатов интеллектуального анализа правил доверительной ассоциации. Австралийская конференция по искусственному интеллекту.2004. [Контекст просмотра].
 Дженнифер Г. Дай и Карла Бродли. Выбор функций для обучения без учителя. Журнал исследований в области машинного обучения, 5. 2004 г. [Контекст представления].
 Юань Цзян и Чжи-Хуа Чжоу. Редактирование обучающих данных для классификаторов kNN с помощью нейросетевого ансамбля. ISNN (1). 2004. [Контекст просмотра].
 Михаил Биленко и Сугато Басу и Раймонд Дж. Муни. Интеграция ограничений и метрического обучения в полууправляемую кластеризацию. ICML. 2004. [Контекст просмотра].
 Сугато Басу.Также отображается как технический отчет, UT-AI. Кандидатская диссертация. 2003. [Контекст просмотра].
 Майкл Л. Реймер и Трэвис Э. Дум, Лесли А. Кун и Уильям Ф. Панч. Обнаружение знаний в медицинских и биологических наборах данных с использованием гибридного байесовского классификатора / эволюционного алгоритма. IEEE Transactions on Systems, Man, and Cybernetics, Part B, 33. 2003. [View Context].
 Джереми Кубица и Эндрю Мур. Вероятностная идентификация шума и очистка данных. ICDM. 2003. [Контекст просмотра].
 Мукунд Дешпанде и Джордж Карипис.Использование комбинации значений атрибутов для классификации. CIKM. 2002. [Контекст просмотра].
 Петри Контканен, Юсси Лахтинен, Петри Мюллюмаки, Томи Силандер и Генри Тирри. Труды предварительной и последующей обработки в машинном обучении и интеллектуальном анализе данных: теоретические аспекты и приложения, семинар по машинному обучению и приложениям. Группа вычислений сложных систем (CoSCo). 1999. [Контекст просмотра].
 Этхем Алпайдин. Голосование по нескольким ближайшим соседям.Артиф. Intell. Rev, 11. 1997. [Контекст просмотра].
 Георг Тимм и Э. Фислер. Оптимальная установка весов, скорости обучения и прироста. Е С Е А Р Ч Р Е П Р О Р Т И Д И А П. 1997. [Контекст просмотра].
 Педро Домингос. Унификация индукции на основе экземпляров и правил. Машинное обучение, 24. 1996. [Контекст просмотра].
 Камаль Али и Майкл Дж. Паццани. Снижение количества ошибок за счет изучения множественных описаний. Машинное обучение, 24. 1996. [Контекст просмотра].
 Георг Тимм и Эмиль Фислер.Технический отчет IDIAP High Order and Multilayer Perceptron Initialization. IEEE Transactions. 1994. [Контекст просмотра].
 Wl / odzisl / aw Duch. Раскрашивание черных ящиков: визуализация решений нейронной сети. Школа компьютерной инженерии Наньянского технологического университета. [Просмотр контекста].
 Х. Алтай Гувенир. Алгоритм обучения классификации, устойчивый к несущественным характеристикам. Билькентский университет, факультет компьютерной инженерии и информатики. [Просмотр контекста].
 Кристиан Боргельт и Рудольф Крузе.Ускорение нечеткой кластеризации с помощью методов нейронных сетей. Исследовательская группа Нейронные сети и нечеткие системы, Отдел обработки знаний и языковой инженерии, Школа компьютерных наук Магдебургского университета им. Отто фон Герике. [Просмотр контекста].
 Денвер Дэш и Грегори Ф. Купер. Усреднение модели с использованием классификаторов дискретных байесовских сетей. Лаборатория систем принятия решений Программа интеллектуальных систем Питтсбургского университета. [Просмотр контекста].
 Пинг Чжун и Масао Фукусима.Формулировки программирования конуса второго порядка для надежной многоклассовой классификации. [Просмотр контекста].
 Айнур Акку и Х. Алтай Гувенир. Взвешивание признаков в классификации k ближайшего соседа в проекциях признаков. Департамент компьютерной инженерии и информатики Билькентского университета. [Просмотр контекста].
 К. Титус Браун и Гарри В. Буллен, Шон П. Келли и Роберт К. Сяо, Стивен Г. Саттерфилд и Джон Г. Хагедорн и Джудит Э. Девани. Визуализация и интеллектуальный анализ данных в трехмерной иммерсивной среде: летний проект 2003 г.[Просмотр контекста].
 Стефан Эберхард, Дэнни Куманс и Де Вел. ВЫПОЛНЕНИЕ МЕТОДОВ РАСПОЗНАВАНИЯ СТАТИСТИЧЕСКИХ ОБРАЗЦОВ В ВЫСОКОМЕРНЫХ УСТАНОВКАХ. Университет Джеймса Кука. [Просмотр контекста].
 Прамод Вишванатх и М. Нарасимха Мурти и Шалабх Бхатнагар. Техника синтеза паттернов на основе разделов с эффективными алгоритмами классификации ближайшего соседа. Департамент компьютерных наук и автоматизации Индийского института науки. [Просмотр контекста].
 Инь Чжан и В.Ник-стрит. Упаковка с адаптивными затратами. Департамент управленческих наук Университета Айовы Айова-Сити. [Просмотр контекста].
 Даичи Мотихаси, Ген-ичиро Кикуи и Кендзи Кита. Изучение неструктурной метрики расстояния с помощью минимальных кластерных искажений. Научно-исследовательские лаборатории устного перевода ATR. [Просмотр контекста].
 Абдельхамид Бучачиа. Сети RBF для изучения частично размеченных данных. Кафедра информатики Клагенфуртского университета. [Просмотр контекста].
 К.А. Дж. Доэрти, Рольф Адамс и Нил Дэйви. Неконтролируемое обучение с нормализованными данными и неевклидовыми нормами. Университет Хартфордшира. [Просмотр контекста].
 Эрин Дж. Бреденштайнер и Кристин П. Беннетт. Мультикатегориальная классификация с помощью машин опорных векторов. Отделение математики Университета Эвансвилля. [Просмотр контекста].
 Стефан Эберхард, О. де Вел и Дэнни Куманс. Новые быстрые алгоритмы выбора переменных на основе производительности классификатора. Университет Джеймса Кука.[Просмотр контекста].
 Георг Тимм и Эмиль Фислер. Инициализация многослойного персептрона высокого порядка. [Просмотр контекста].
 Прамод Вишванатх и М. Нарасимха Мурти и Шалабх Бхатнагар. Техника синтеза паттернов для уменьшения проклятия эффекта размерности. Эл. адрес. [Просмотр контекста].
 Чжи-Вэй Сюй и Ченг-Ру Линь. Сравнение методов для мультиклассовых машин опорных векторов. Департамент компьютерных наук и информационной инженерии Национального университета Тайваня.[Просмотр контекста].
 Петри Контканен, Юсси Лахтинен, Петри Мюллюмаки, Томи Силандер и Генри Тирри. ИСПОЛЬЗОВАНИЕ БАЙЕССКИХ СЕТЕЙ ДЛЯ ВИЗУАЛИЗАЦИИ ВЫСОКОМЕРНЫХ ДАННЫХ. Группа вычислений сложных систем (CoSCo). [Просмотр контекста].
 Перри Мёрланд, Э. Фислер и И. Убарретксена-Беландия. Включение нелинейностей LCLV в оптические многослойные нейронные сети. Препринт статьи, опубликованной в журнале «Прикладная оптика». [Просмотр контекста].
 Маттиас Шерф и В. Брауэр.Отбор признаков с помощью метода взвешивания признаков. GSF - Национальный исследовательский центр окружающей среды и здоровья. [Просмотр контекста].
  Запрос цитаты: 
 См. Машинное обучение
Политика цитирования репозитория
 машинное обучение на Python - лекции Scipy 
 3.6.9.1. Гиперпараметры, перебор и недо подгонка 
 Проблемы, связанные с проверкой и перекрестной проверкой, являются одними из следующих:
важнейшие аспекты практики машинного обучения.Выбор оптимальной модели для ваших данных жизненно важен и является частью
проблема, которую не часто понимают в машинном обучении
практикующие.
 Центральный вопрос:  Если наша оценка неэффективна, как
мы должны двигаться вперед? 
 Использовать более простую или более сложную модель?
 Добавить дополнительные функции к каждой наблюдаемой точке данных?
 Добавить обучающие образцы?
 Ответ часто противоречит интуиции. В частности,  Иногда используют
более сложная модель даст худшие результаты. Также,  Иногда
добавление обучающих данных не улучшит ваших результатов.  Возможность
определить, какие шаги улучшат вашу модель - вот что отличает
успешные практики машинного обучения от неудачников.
 Компромисс смещения и дисперсии: иллюстрация к простой задаче регрессии 
 Начнем с простой задачи одномерной регрессии. Этот
поможет нам легко визуализировать данные и модель, а результаты
легко обобщить на наборы данных более высокой размерности.Мы рассмотрим простой  линейная регрессия  проблема, с  sklearn.linear_model .
 X = np.c_ [.5, 1] ​​.T
y = [.5, 1]
X_test = np.c_ [0, 2] .T
 
 Без шума, так как линейная регрессия идеально подходит для данных
 из sklearn import linear_model
regr = линейная_модель.LinearRegression ()
regr.fit (X, y)
plt.plot (X, y, 'o')
plt.plot (X_test, regr.predict (X_test))
 
 В реальной жизни у нас есть шум (например, шум измерения) в наших данных:
 нп.random.seed (0)
для _ в диапазоне (6):
    noisy_X = X + np.random.normal (loc = 0, масштаб = .1, размер = X.shape)
    plt.plot (noisy_X, y, 'o')
    regr.fit (noisy_X, y)
    plt.plot (X_test, regr.predict (X_test))
 
 Как мы видим, наша линейная модель улавливает и усиливает шум в
данные. Он показывает большую вариативность.
 Мы можем использовать другую линейную оценку, которая использует регуляризацию,
 Оценщик  Ridge . Этот оценщик
упорядочивает коэффициенты, уменьшая их до нуля под
предположение, что очень высокие корреляции часто оказываются ложными.Альфа
Параметр контролирует величину используемой усадки.
 regr = linear_model.Ridge (альфа = .1)
np.random.seed (0)
для _ в диапазоне (6):
    noisy_X = X + np.random.normal (loc = 0, масштаб = .1, размер = X.shape)
    plt.plot (noisy_X, y, 'o')
    regr.fit (noisy_X, y)
    plt.plot (X_test, regr.predict (X_test))

plt.show ()
 
 Как мы видим, оценщик показывает гораздо меньшую дисперсию. Однако это
систематически занижает коэффициент. Он отображает предвзятый
поведение.
 Это типичный пример обмена смещением / дисперсией  из : нерегуляризованный
оценщики не предвзяты, но они могут отображать большие отклонения.Модели с высокой степенью регуляризации имеют небольшую дисперсию, но высокую систематическую ошибку. Это предвзятость
не обязательно плохо: важно выбрать
компромисс между смещением и дисперсией, который приводит к лучшему прогнозу
представление. Для конкретного набора данных есть золотая середина, соответствующая
до максимальной сложности, которую могут поддерживать данные, в зависимости от
количество шума и доступных наблюдений.
 3.6.9.2. Визуализация компромисса смещения / отклонения 
 Подсказка
 Учитывая конкретный набор данных и модель (например,грамм. многочлен), мы хотели бы
понять, ограничивает ли прогноз предвзятость (недостаточное соответствие) или дисперсия и как
для настройки гиперпараметра   (здесь  d , степень полинома)
чтобы дать наилучшее соответствие.
 Для заданных данных давайте подберем простую модель полиномиальной регрессии с
разной степени:
 Подсказка
 На приведенном выше рисунке мы видим соответствия для трех различных значений:  d .
Для  d = 1  данные не подходят. Это значит, что модель тоже
упрощенно: никакая прямая линия никогда не будет подходить для этих данных.В
В этом случае мы говорим, что модель страдает большим смещением. Модель
само по себе является необъективным, и это отразится на том, что данные
плохо подходит. С другой стороны, для  d = 6  данные не подходят.
Это означает, что в модели слишком много свободных параметров (в данном случае 6).
который можно настроить так, чтобы он идеально соответствовал тренировочным данным. Если мы добавим
новый момент в этом сюжете, однако есть вероятность, что он будет очень далек от
кривая, представляющая соответствие степени-6. В этом случае мы говорим, что модель
страдает высокой дисперсией.Причина использования термина «высокая дисперсия» заключается в
что, если какая-либо из входных точек немного изменится, это может привести к
совсем другая модель.
 Посередине, для  d = 2 , мы нашли хорошую среднюю точку. Это подходит
данные достаточно хорошо и не страдают от систематической ошибки и дисперсии
проблемы видны на рисунках с обеих сторон. Что бы мы хотели, это способ
для количественного определения систематической ошибки и дисперсии и оптимизации
метапараметры (в данном случае степень полинома d), чтобы
определить лучший алгоритм.
 Полиномиальная регрессия с помощью scikit-learn
 Полиномиальная регрессия строится конвейерной обработкой.  Полиномиальные характеристики  и  LinearRegression :
 >>> из sklearn.pipeline import make_pipeline
>>> из sklearn.preprocessing import PolynomialFeatures
>>> из sklearn.linear_model import LinearRegression
>>> model = make_pipeline (PolynomialFeatures (степень = 2), LinearRegression ())
 
 Кривые валидации 
 Давайте создадим набор данных, как в примере выше:
 >>> def generate_func (x, err = 0.5):
... вернуть np.random.normal (10 - 1. / (x + 0.1), err)

>>> # произвольная выборка дополнительных данных
>>> np.random.seed (1)
>>> x = np.random.random (размер = 200)
>>> y = generate_func (x, err = 1.)
 
 Центральным звеном для количественной оценки систематической ошибки и дисперсии модели является ее применение в тесте .
данные , взятые из того же распределения, что и поезд, но это будет
захват независимого шума:
 >>> xtrain, xtest, ytrain, ytest = train_test_split (x, y, test_size = 0.4)
 
  Кривая валидации  Кривая валидации состоит в изменении параметра модели
который контролирует его сложность (здесь степень
полином) и измеряет как ошибку модели на обучающих данных, так и на
данные тестирования ( например,  с перекрестной проверкой). Параметр модели тогда
отрегулировано так, чтобы ошибка теста была минимальной:
 Мы используем  sklearn.model_selection.validation_curve ()  для вычисления поезда
и тестовая ошибка, и построить ее:
 >>> из sklearn.model_selection импорт validation_curve

>>> градусов = np.arange (1, 21)

>>> model = make_pipeline (PolynomialFeatures (), LinearRegression ())

>>> # Меняйте "степени" на шаге конвейера "polynomialfeatures"
>>> train_scores, validation_scores = validation_curve (
... модель, x [:, np.newaxis], y,
... param_name = 'polynomialfeatures__degree',
... param_range = градусы)

>>> # Постройте среднюю оценку поезда и оценку валидации по складкам
>>> плт.график (градусы, validation_scores.mean (axis = 1), label = 'cross-validation')
[<объект matplotlib.lines.Line2D в ...>]
>>> plt.plot (градусов, train_scores.mean (axis = 1), label = 'training')
[<объект matplotlib.lines.Line2D в ...>]
>>> plt.legend (loc = 'лучший')
<объект matplotlib.legend.Legend в ...>
 
 На этом рисунке показано, почему валидация важна. С левой стороны
plot, у нас есть многочлен очень низкой степени, который не соответствует данным. Этот
приводит к низкой объясненной дисперсии как для обучающей выборки, так и для
набор проверки.В дальней правой части сюжета у нас очень высокий
многочлен степени, который не соответствует данным. Это видно по факту
что тренировка объяснила, что дисперсия очень высока, в то время как
набор проверки, он низкий. Выбор  d  из числа 4 или 5 дает нам лучшее
компромисс.
 Подсказка
 Проницательный читатель поймет, что здесь что-то не так: в
На графике выше  d = 4  дает наилучшие результаты. Но в предыдущем сюжете
мы обнаружили, что  d = 6  значительно превышает данные.Что тут происходит?
Разница в  количествах используемых тренировочных точек. в
В предыдущем примере было всего восемь тренировочных точек. В этом
Например, у нас есть 100. Как правило, чем больше тренировок
точек, можно использовать более сложную модель. Но как ты можешь
определить для данной модели, будет ли больше тренировочных точек
полезный? Полезной диагностикой для этого являются кривые обучения.
 кривые обучения 
 Кривая обучения показывает оценку обучения и проверки в виде
функция количества тренировочных очков.Обратите внимание, что когда мы тренируемся на
подмножество обучающих данных, оценка обучения вычисляется с использованием
это подмножество, а не полный обучающий набор. Эта кривая дает
количественное представление о том, насколько полезно будет добавить обучение
образцы.
  Вопросы: 
 Что вы ожидаете по мере увеличения количества обучающих выборок?
посмотреть оценку тренировок? Для оценки валидации?
 Ожидаете ли вы, что оценка обучения будет выше или ниже
оценка валидации? Вы когда-нибудь ожидали, что это изменится?
  scikit-learn  предоставляет  sklearn.model_selection.learning_curve () :
 >>> из sklearn.model_selection import learning_curve
>>> train_sizes, train_scores, validation_scores = learning_curve (
... модель, x [:, np.newaxis], y, train_sizes = np.logspace (-1, 0, 20))

>>> # Постройте среднюю оценку поезда и оценку валидации по складкам
>>> plt.plot (train_sizes, validation_scores.mean (axis = 1), label = 'cross-validation')
[<объект matplotlib.lines.Line2D в ...>]
>>> плт.сюжет (train_sizes, train_scores.mean (axis = 1), label = 'training')
[<объект matplotlib.lines.Line2D в ...>]
 
 Для  градуса = 1  модель
 Обратите внимание, что оценка проверки  обычно увеличивается  с ростом
обучающий набор, в то время как обучающий балл  обычно уменьшается на  с
растущий обучающий набор. Как размер тренировки
увеличивается, они сходятся к одному значению.
 Из приведенного выше обсуждения мы знаем, что  d = 1  - это высокое смещение.
оценщик, который не соответствует данным.Об этом говорит тот факт, что
как обучение, так и оценка валидации низкие. Когда противостоит
с таким типом обучения мы можем ожидать, что добавление дополнительных
данные обучения не помогут: обе линии сходятся к
относительно низкий балл.
  Когда кривые обучения сходятся к низкому баллу, мы получаем
модель с высоким уклоном. 
 Модель с большим смещением может быть улучшена следующим образом:
 Используя более сложную модель (т.е. в данном случае увеличьте  d )
 Соберите больше функций для каждого образца.
 Уменьшить регуляризацию в регуляризованной модели.
 Однако увеличение количества выборок не улучшает высокое смещение.
модель.
 Теперь давайте посмотрим на модель с высокой дисперсией (т. Е. С избыточным соответствием):
 Для  градуса = 15  модель
 Здесь мы показываем кривую обучения для  d = 15 . Из вышеизложенного
Мы знаем, что  d = 15  - это оценка  с высокой дисперсией  который  превышает  данных.Об этом говорит тот факт, что
оценка обучения намного выше, чем оценка валидации. По мере того, как мы добавляем больше
образцов к этому набору обучения, оценка обучения продолжит
уменьшатся, в то время как ошибка перекрестной проверки будет продолжать увеличиваться, пока они
встретиться посередине.
  Кривые обучения, которые еще не совпадают с полным обучением
набор указывает на модель с высокой дисперсией и избыточной посадкой. 
 Модель с высокой дисперсией может быть улучшена с помощью:
 Сбор дополнительных обучающих выборок.
 Используя менее сложную модель (т.е. в данном случае сделайте  d  меньше)
 Повышение регуляризации.
 В частности, сбор дополнительных функций для каждого образца не поможет
полученные результаты.
 3.6.9.3. Резюме по выбору модели 
 Выше мы видели, что неэффективный алгоритм может быть вызван двумя
возможные ситуации: сильная погрешность (недообучение) и высокая дисперсия
(переоснащение). Чтобы оценить наш алгоритм, мы отложили
часть наших обучающих данных для перекрестной проверки.Использование техники
кривых обучения, мы можем тренироваться на постепенно увеличивающихся подмножествах
данные, оценивая ошибку обучения и ошибку перекрестной проверки, чтобы
определить, имеет ли наш алгоритм высокую дисперсию или высокую систематическую ошибку. Но что
что мы делаем с этой информацией?
 Высокое смещение 
 Если модель показывает высокое смещение  , могут помочь следующие действия:
  Добавить дополнительные функции . В нашем примере прогнозирования цен на жилье это
может быть полезно использовать такую ​​информацию, как район
дом, год постройки, размер участка,
и т.п.Добавление этих функций в наборы для обучения и тестирования может улучшить
оценщик с высоким смещением
  Используйте более сложную модель . Добавление сложности модели
может помочь улучшить предвзятость. Для полиномиальной подгонки это может быть
достигается увеличением степени d. В каждой методике обучения есть
собственные методы добавления сложности.
  Используйте меньше образцов . Хотя это не улучшит
классификации, алгоритм с высоким смещением может достичь почти того же
ошибка с меньшей обучающей выборкой.Для алгоритмов, которые
вычислительно затратно, уменьшение размера обучающей выборки может привести к
к очень большим улучшениям в скорости.
  Уменьшить регуляризацию . Регуляризация - это метод, используемый для
навязать простоту некоторым моделям машинного обучения, добавив
срок штрафа, зависящий от характеристик параметров.
Если модель имеет большое смещение, уменьшение эффекта регуляризации может
привести к лучшим результатам.
 Высокая дисперсия 
 Если модель показывает  большое отклонение , следующие действия могут
помощь:
  Используйте меньше функций .Использование техники выбора признаков может быть
полезно, и уменьшить чрезмерную подгонку оценщика.
  Используйте более простую модель . Сложность модели и переоснащение идут
рука об руку.
  Используйте больше обучающих выборок . Добавление обучающих выборок может уменьшить
эффект чрезмерной подгонки и приводит к улучшениям в высокой дисперсии
оценщик.
  Увеличить регуляризацию . Регуляризация предназначена для предотвращения
переоснащение. В модели с высокой дисперсией увеличение регуляризации может
привести к лучшим результатам.
 Этот выбор становится очень важным в реальных ситуациях. Для
Например, из-за ограниченного времени телескопа астрономы должны искать баланс
между наблюдением за большим количеством объектов и наблюдением за большим
количество характеристик для каждого объекта. Как определить, что важнее
для конкретной учебной задачи может сообщить стратегии наблюдения, что
астроном нанимает.
 3.6.9.4. Последнее предостережение: отдельный набор для проверки и тестирования 
 Использование схем проверки для определения гиперпараметров означает, что мы
подгонка гиперпараметров к конкретному набору проверки.в
так же, как параметры могут быть чрезмерно подогнаны под обучающий набор,
гиперпараметры могут не соответствовать проверочному набору. Из-за этого,
ошибка проверки имеет тенденцию недооценивать ошибку классификации
новые данные.
 По этой причине рекомендуется разделить данные на три набора:
 Обучающий набор  , используемый для обучения модели (обычно ~ 60%
данные)
 Набор для проверки  , используемый для проверки модели (обычно ~ 20%
данные)
 Тестовый набор  , используемый для оценки ожидаемой ошибки
проверенная модель (обычно ~ 20% данных)
 Многие специалисты по машинному обучению не разделяют набор тестов и
набор проверки.Но если ваша цель - оценить погрешность модели на
неизвестные данные, использование независимого набора тестов жизненно важно.
 Классификация
 KNN с использованием Sklearn Python 
 K Nearest Neighbor (KNN) - очень простой, понятный, универсальный и один из лучших алгоритмов машинного обучения. KNN используется в различных приложениях, таких как финансы, здравоохранение, политология, обнаружение почерка, распознавание изображений и распознавание видео. В кредитных рейтингах финансовые институты прогнозируют кредитный рейтинг клиентов.При выдаче ссуды банковские институты прогнозируют, будет ли ссуда безопасной или рискованной. В политологии разделение потенциальных избирателей на два класса будет голосовать или не голосовать. Алгоритм KNN используется для задач классификации и регрессии. Алгоритм KNN, основанный на подходе подобия признаков.
 В этом руководстве вы рассмотрите следующие темы:
 Алгоритм K-ближайшего соседа
 Как работает алгоритм KNN?
 Нетерпеливые против ленивых учеников
 Как вы определяете количество соседей в KNN?
 Проклятие размерности
 Здание классификатора в Scikit-learn
 Плюсы и минусы
 Как улучшить производительность KNN?
 Заключение
 K-Ближайшие соседи 
 KNN - это непараметрический алгоритм ленивого обучения.Непараметрический означает, что нет никаких предположений для базового распределения данных. Другими словами, структура модели определяется из набора данных. Это будет очень полезно на практике, когда большинство наборов данных реального мира не следует математическим теоретическим предположениям. Ленивый алгоритм означает, что для создания модели ему не нужны никакие точки данных обучения. Все данные обучения используются на этапе тестирования. Это ускоряет обучение, а этап тестирования - медленнее и дороже. Дорогостоящий этап тестирования требует времени и памяти.В худшем случае KNN требуется больше времени для сканирования всех точек данных, а сканирование всех точек данных потребует больше памяти для хранения данных обучения.
 Как работает алгоритм KNN? 
 В KNN K - количество ближайших соседей. Решающим фактором является количество соседей. K обычно является нечетным числом, если количество классов равно 2. Когда K = 1, алгоритм известен как алгоритм ближайшего соседа. Это самый простой случай. Предположим, что P1 - это точка, для которой метка должна предсказывать.Сначала вы найдете одну ближайшую точку к P1, а затем метку ближайшей точки, назначенную для P1.
 Предположим, что P1 - это точка, для которой метка должна прогнозировать. Сначала вы находите k ближайшую точку к P1, а затем классифицируете точки большинством голосов ее k соседей. Каждый объект голосует за свой класс, и класс с наибольшим количеством голосов принимается в качестве прогноза. Для поиска ближайших похожих точек расстояние между точками определяется с помощью таких мер расстояния, как евклидово расстояние, расстояние Хэмминга, Манхэттенское расстояние и расстояние Минковского.KNN имеет следующие основные шаги:
 Рассчитать расстояние
 Найдите ближайших соседей
 Проголосуйте за лейблы
 Eager Vs. Ленивые ученики 
 Активные ученики означают, что при заданных тренировочных точках они построят обобщенную модель перед выполнением прогнозов по заданным новым точкам для классификации. Вы можете думать о таких учениках как о готовых, активных и желающих классифицировать ненаблюдаемые точки данных.
 Ленивое обучение означает, что нет необходимости в изучении или обучении модели и всех точек данных, используемых во время прогнозирования.Ленивые ученики ждут до последней минуты перед классификацией любой точки данных. Ленивый ученик хранит только набор обучающих данных и ждет, пока не будет выполнена классификация. Только когда он видит тестовый кортеж, он выполняет обобщение для классификации кортежа на основе его сходства с сохраненными обучающими кортежами. В отличие от методов активного обучения, ленивые учащиеся меньше работают на этапе обучения и больше работают на этапе тестирования, чтобы составить классификацию. Ленивые учащиеся также известны как учащиеся на основе экземпляров, потому что ленивые учащиеся хранят учебные точки или экземпляры, а все обучение основано на экземплярах.
 Проклятие размерности 
 KNN лучше работает с меньшим количеством функций, чем с большим количеством функций. Можно сказать, что при увеличении количества функций требуется больше данных. Увеличение габаритов также приводит к проблеме переоснащения. Чтобы избежать переобучения, необходимые данные должны будут расти экспоненциально по мере увеличения количества измерений. Эта проблема более высокого измерения известна как Проклятие размерности.
 Чтобы справиться с проблемой проклятия размерности, вам необходимо выполнить анализ главных компонентов перед применением любого алгоритма машинного обучения, или вы также можете использовать подход выбора характеристик.Исследования показали, что в больших измерениях евклидово расстояние больше бесполезно. Следовательно, вы можете предпочесть другие меры, такие как косинусное сходство, на которые значительно меньше влияет высокая размерность.
 Как вы определяете количество соседей в KNN? 
 Теперь вы понимаете механизм работы алгоритма KNN. Здесь возникает вопрос: как выбрать оптимальное количество соседей? И как это влияет на классификатор? Количество соседей (K) в KNN - это гиперпараметр, который вам нужно выбрать во время построения модели.Вы можете рассматривать K как управляющую переменную для модели прогнозирования.
 Исследования показали, что оптимальное количество соседей не подходит для всех типов наборов данных. У каждого набора данных есть свои требования. В случае небольшого количества соседей шум будет иметь большее влияние на результат, а большое количество соседей делает его вычислительно затратным. Исследования также показали, что небольшое количество соседей является наиболее гибкой подгонкой, которая будет иметь низкое смещение, но высокую дисперсию, а большое количество соседей будет иметь более гладкую границу решения, что означает меньшую дисперсию, но более высокую смещение.
 Как правило, специалисты по данным выбирают нечетное число, если количество классов четное. Вы также можете проверить, сгенерировав модель для разных значений k и проверив их производительность. Вы также можете попробовать метод локтя здесь.
 Здание классификатора в Scikit-learn 
 Классификатор КНН 
 Определение набора данных 
 Давайте сначала создадим ваш собственный набор данных. Здесь вам понадобятся два типа атрибутов или столбцов в ваших данных: функция и метка. Причина двух типов столбцов - «контролируемый характер алгоритма KNN».
  # Назначение признаков и переменных меток
# Первая функция
weather = ['Солнечный', 'Солнечный', 'Пасмурно', 'Дождливый', 'Дождливый', 'Дождливый', 'Пасмурно', 'Солнечный', 'Солнечный',
«Дождливый», «Солнечный», «Пасмурно», «Пасмурно», «Дождливый»]
# Вторая особенность
temp = ['Горячий', 'Горячий', 'Горячий', 'Мягкий', 'Холодный', 'Холодный', 'Холодный', 'Мягкий', 'Холодный', 'Мягкий', 'Мягкий', 'Мягкий' , "Горячий", "Мягкий"]

# Ярлык или целевая переменная
play = [«Нет», «Нет», «Да», «Да», «Да», «Нет», «Да», «Нет», «Да», «Да», «Да», «Да» ,'Да нет']
  
 В этом наборе данных у вас есть две характеристики (погода и температура) и одна метка (воспроизведение).
 Кодирование столбцов данных 
 Для различных алгоритмов машинного обучения требуются числовые входные данные, поэтому вам необходимо представить категориальные столбцы в числовом столбце.
 Чтобы закодировать эти данные, вы можете сопоставить каждое значение с числом. например Облачно: 0, Дождь: 1 и Солнечно: 2.
 Этот процесс известен как кодирование меток, и sklearn легко сделает это за вас с помощью Label Encoder.
  # Импортировать LabelEncoder
из предварительной обработки импорта sklearn
#creating labelEncoder
le = предварительная обработка.LabelEncoder ()
# Преобразование строковых меток в числа.
weather_encoded = le.fit_transform (погода)
печать (weather_encoded)
  
  [2 2 0 1 1 1 0 2 2 1 2 0 0 1]
  
 Здесь вы импортировали модуль предварительной обработки и создали объект Label Encoder.
Используя этот объект LabelEncoder, вы можете поместить и преобразовать столбец «погода» в числовой столбец.
 Точно так же вы можете кодировать температуру и подписывать ее в числовые столбцы.
  # преобразование строковых меток в числа
temp_encoded = le.fit_transform (темп)
label = le.fit_transform (играть)
  
 Объединение функций 
 Здесь вы объедините несколько столбцов или функций в один набор данных с помощью функции «zip».
  # объединить погоду и температуру в один список кортежей
features = list (zip (weather_encoded, temp_encoded))
  
 Генерирующая модель 
 Построим модель классификатора KNN.
 Сначала импортируйте модуль KNeighborsClassifier и создайте объект классификатора KNN, передав номер аргумента соседей в функцию KNeighborsClassifier ().
 Затем поместите свою модель в набор поездов, используя fit (), и выполните прогнозирование на тестовом наборе, используя pred ().
  от sklearn.neighbours import KNeighborsClassifier

model = KNeighborsClassifier (n_neighbors = 3)

# Обучить модель с помощью обучающих наборов
model.fit (характеристики, этикетка)

#Predict Output
предсказанный = model.predict ([[0,2]]) # 0: пасмурно, 2: умеренно
печать (прогноз)
  
  [1]
  
 В приведенном выше примере вы ввели ввод [0,2], где 0 означает пасмурную погоду, а 2 означает умеренную температуру.Модель предсказывает [1], что означает игру.
 KNN с несколькими этикетками 
 До сих пор вы узнали, как создать классификатор KNN для двоих на Python с помощью scikit-learn. Теперь вы узнаете о KNN с несколькими классами.
 В модели строительной части вы можете использовать набор данных вина, что является очень известной проблемой классификации нескольких классов.
Эти данные являются результатом химического анализа вин, выращенных в одном и том же регионе Италии с использованием трех разных сортов. Анализ определил количество 13 компонентов, содержащихся в каждом из трех типов вин.
 Набор данных включает 13 характеристик («алкоголь», «яблочная кислота», «зола», «щелочность_эша», «магний», «общее_фенолы», «флаваноиды», «нефлаваноидные фенолы», «проантоцианы», «цветовая интенсивность», «оттенок»). , 'od280 / od315_of_diluted_wines', 'proline') и цель (тип сорта).
 Эти данные содержат три типа классов сортов: 'class_0', 'class_1' и 'class_2'. Здесь вы можете построить модель для классификации типа сорта. Набор данных доступен в библиотеке scikit-learn, или вы также можете загрузить его из библиотеки машинного обучения UCI.
 Загрузка данных 
 Давайте сначала загрузим требуемый набор данных Wine из наборов данных scikit-learn.
  # Импорт библиотеки набора данных scikit-learn
из наборов данных импорта sklearn

# Загрузить набор данных
вино = наборы данных.load_wine ()
  
 Исследование данных 
 После загрузки набора данных вы можете узнать о нем немного больше. Вы можете проверить имена функций и целей.
  # вывести названия функций
печать (вино.feature_names)
  
  ['алкоголь', 'яблочная_ кислота', 'зола', 'щелочность_эша', 'магний', 'общее_фенолы', 'флаваноиды', 'нефлаваноидные фенолы', 'проантоцианы', 'интенсивность_цвета', 'оттенок', 'od280 / od315_of_diluted_wines ',' proline ']
  
  # распечатать вид этикетки (class_0, class_1, class_2)
печать (wine.target_names)
  
  ['class_0' 'class_1' 'class_2']
  
 Давайте проверим 5 лучших записей набора функций.
  # распечатать данные вина (первые 5 записей)
печать (wine.data [0: 5])
  
  [[1.42300000e + 01 1.71000000e + 00 2.43000000e + 00 1.56000000e + 01
    1.27000000e + 02 2.80000000e + 00 3.06000000e + 00 2.80000000e-01
    2.2 
00e + 00 5.64000000e + 00 1.04000000e + 00 3.
 
000e + 00
    1.06500000e + 03]
 [1.32000000e + 01 1.78000000e + 00 2.14000000e + 00 1.12000000e + 01
    1.00000000e + 02 2.65000000e + 00 2.76000000e + 00 2.60000000e-01
    1.28000000e + 00 4.38000000e + 00 1.05000000e + 00 3.40000000e + 00
    1.05000000e + 03]
 [1.31600000e + 01 2.36000000e + 00 2.67000000e + 00 1.86000000e + 01
    1.01000000e + 02 2.80000000e + 00 3.24000000e + 00 3.00000000e-01
    2.81000000e + 00 5.68000000e + 00 1.03000000e + 00 3.17000000e + 00
    1.18500000e + 03]
 [1.43700000e + 01 1.95000000e + 00 2.50000000e + 00 1.68000000e + 01
    1.13000000e + 02 3.85000000e + 00 3.4
00e + 00 2.40000000e-01
    2.18000000e + 00 7.80000000e + 00 8.60000000e-01 3.45000000e + 00
    1.48000000e + 03]
 [1.32400000e + 01 2.5
00e + 00 2.87000000e + 00 2.10000000e + 01
    1.18000000e + 02 2.80000000e + 00 2.6 
00e + 00 3.
 
000e-01
    1.82000000e + 00 4.32000000e + 00 1.04000000e + 00 2.93000000e + 00
    7.35000000e + 02]]
  
 Проверим записи целевого набора.
  # распечатать винные этикетки (0: Class_0, 1: Class_1, 2: Class_3)
печать (wine.target)
  
  [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]
  
 Давайте исследуем его еще немного.Вы также можете проверить форму набора данных с помощью shape.
  # данные для печати (функция) shape
печать (wine.data.shape)
  
  (178, 13)
  
  # форма цели печати (или этикетки)
печать (wine.target.shape)
  
  (178,)
  
 Данные разделения 
 Чтобы понять производительность модели, хорошей стратегией является разделение набора данных на обучающий набор и тестовый набор.
 Давайте разделим набор данных с помощью функции train_test_split ().Вам нужно передать 3 параметра features, target и test_set size. Кроме того, вы можете использовать random_state для случайного выбора записей.
  # Импортировать функцию train_test_split
из sklearn.model_selection import train_test_split

# Разделить набор данных на обучающий набор и тестовый набор
X_train, X_test, y_train, y_test = train_test_split (wine.data, wine.target, test_size = 0.3) # 70% обучение и 30% тест
  
 Генерирующая модель для K = 5 
 Построим модель классификатора KNN для k = 5.
  # Импорт самых ближайших соседей Модель классификатора
from sklearn.neighbors import KNeighborsClassifier

# Создать классификатор KNN
knn = KNeighborsClassifier (n_neighbors = 5)

# Обучите модель с помощью обучающих наборов
knn.fit (X_train, y_train)

# Предсказать ответ для тестового набора данных
y_pred = knn.predict (X_test)
  
 Оценка модели для k = 5 
 Оценим, насколько точно классификатор или модель может предсказать тип сорта.
 Точность можно вычислить путем сравнения фактических значений тестовой выборки и прогнозируемых значений.
  # Импорт модуля метрик scikit-learn для расчета точности
из показателей импорта sklearn
# Точность модели, как часто классификатор верен?
print ("Точность:", metrics.accuracy_score (y_test, y_pred))
  
  Точность: 0,685185185185
  
 Итак, у вас коэффициент классификации 68,51%, что считается хорошей точностью.
 Для дальнейшей оценки вы также можете создать модель для другого количества соседей.
 Регенерирующая модель для K = 7 
 Построим модель классификатора KNN для k = 7.
  # Импорт самых ближайших соседей Модель классификатора
from sklearn.neighbors import KNeighborsClassifier

# Создать классификатор KNN
knn = KNeighborsClassifier (n_neighbors = 7)

# Обучите модель с помощью обучающих наборов
knn.fit (X_train, y_train)

# Предсказать ответ для тестового набора данных
y_pred = knn.predict (X_test)
  
 Оценка модели для k = 7 
 Давайте еще раз оценим, насколько точно классификатор или модель может предсказать тип сорта для k = 7.
  # Импорт модуля метрик scikit-learn для расчета точности
из показателей импорта sklearn
# Точность модели, как часто классификатор верен?
print ("Точность:", metrics.accuracy_score (y_test, y_pred))
  
  Точность: 0,777777777778
  
 Итак, у вас коэффициент классификации 77,77%, что считается хорошей точностью.
 Здесь вы увеличили количество соседей в модели и повысили точность.Но это не обязательно для каждого случая, когда увеличение числа соседей увеличивает точность. Для более детального понимания этого вы можете обратиться к разделу «Как определить количество соседей?» этого учебника.
 Плюсы 
 Фаза обучения классификации K-ближайшего соседа выполняется намного быстрее по сравнению с другими алгоритмами классификации. Нет необходимости обучать модель для обобщения, поэтому KNN известен как простой и основанный на экземплярах алгоритм обучения.KNN может быть полезен в случае нелинейных данных. Его можно использовать с задачей регрессии. Выходное значение для объекта вычисляется как среднее значение k ближайших соседей.
 Минусы 
 Этап тестирования классификации K-ближайших соседей медленнее и дороже с точки зрения времени и памяти. Требуется большая память для хранения всего набора обучающих данных для прогнозирования. KNN требует масштабирования данных, потому что KNN использует евклидово расстояние между двумя точками данных для поиска ближайших соседей.Евклидово расстояние чувствительно к величине. Объекты с высокими значениями будут иметь больший вес, чем объекты с низкими значениями. KNN также не подходит для данных большого размера.
 Как улучшить KNN? 
 Для получения лучших результатов настоятельно рекомендуется нормализовать данные по той же шкале. Обычно рассматривается диапазон нормализации от 0 до 1. KNN не подходит для данных большого размера. В таких случаях необходимо уменьшить размер, чтобы повысить производительность. Кроме того, обработка пропущенных значений поможет нам улучшить результаты.
 Заключение 
 Поздравляем, вы дошли до конца этого урока!
 В этом руководстве вы изучили алгоритм K-ближайшего соседа; это работает, нетерпеливый и ленивый ученик, проклятие размерности, построение модели и оценка набора данных Wine с использованием пакета Python Scikit-learn. Также обсуждались его преимущества, недостатки и предложения по улучшению производительности.
 Я с нетерпением жду любых отзывов или вопросов. Вы можете задать вопросы, оставив комментарий, и я постараюсь на него ответить.
 .
No related posts.
Добавить комментарий Отменить ответ
Ваш адрес email не будет опубликован. Обязательные поля помечены *
Комментарий *
Имя * 
Email * 
Сайт