SGD随机梯度下降法分类器
SGD随机梯度下降法分类器：百度网盘链接：
链接：http://pan.baidu.com/s/1dFw2YFB
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1
使用环境：Win7-32bit-Anaconda2-4.3.1-Windows-x86.exe
数据集：http://pan.baidu.com/s/1kV4xwij
代码如下：# -*- coding: utf-8 -*-
"""
Created on Fri Jun 02 21:18:37 2017
@author: ysw
"""
# 导入pandas与numpy工具包
import pandas as pd
import numpy as np
# 创建特征列表
column_names = ['Clump Thickness', 'Cell Size', 'Type']
# 使用pandas.read_csv函数从互联网读取指定数据。
data = pd.read_csv(r'.\Breast-Cancer\breast-cancer-train.csv' )
# 将?替换为标准缺失值表示。
data = data.replace(to_replace='?', value=np.nan)
# 丢弃带有缺失值的数据（只要有一个维度有缺失）。
data = data.dropna(how='any')
X_train = np.array( data.ix[:, ['Clump Thickness', 'Cell Size'] ], dtype=np.float64 )
# DataFrame to Series type
y_train = data.ix[:, ['Type'] ].transpose();
y_train = y_train.iloc;
# 获取测试数据
data = pd.read_csv(r'.\Breast-Cancer\breast-cancer-test.csv' )
# 将?替换为标准缺失值表示。
data = data.replace(to_replace='?', value=np.nan)
# 丢弃带有缺失值的数据（只要有一个维度有缺失）。
data = data.dropna(how='any')
X_test = np.array( data.ix[:, ['Clump Thickness', 'Cell Size'] ], dtype=np.float64 )
y_test = np.array( data.ix[:, ['Type'] ], dtype=np.int64)
# 从sklearn.preprocessing里导入StandardScaler。
from sklearn.preprocessing import StandardScaler
# 标准化数据，保证每个维度的特征数据方差为1，均值为0。使得预测结果不会被某些维度过大的特征值而主导。
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
# 从sklearn.linear_model里导入LogisticRegression与SGDClassifier。
from sklearn.linear_model import SGDClassifier
# 初始化LogisticRegression与SGDClassifier。
sgdc = SGDClassifier()
# 调用LogisticRegression中的fit函数/模块用来训练模型参数。
sgdc.fit(X_train, y_train)
# 使用训练好的模型lr对X_test进行预测，结果储存在变量lr_y_predict中。
sgdc_y_predict = sgdc.predict(X_test)
# 从sklearn.metrics里导入classification_report模块。
from sklearn.metrics import classification_report
# 使用逻辑斯蒂回归模型自带的评分函数score获得模型在测试集上的准确性结果。
print 'Accuracy of SGD Classifier:', sgdc.score(X_test, y_test)
# 利用classification_report模块获得LogisticRegression其他三个指标的结果。
print classification_report(y_test, sgdc_y_predict, target_names=['Benign', 'Malignant'])
# y_train.value_counts()
SGD参数估计（数据分类）：
（1）读取训练样本和测试样本
（2）归一化数据（防止量纲差异导致的特征信息丢失）
（3）构建一个SGD随机梯度下降分类器
（4）训练样本进行SGD随机梯度下降分类器的训练
（5）代入测试数据进行预测
（6）输出预测结果、打印混淆矩阵信息报表
页:
[1]