正文

解锁机器学习之美：Scikit-learn数据可视化实战案例分析

/0 浏览量
1128

引言

数据可视化是机器学习领域中一个非常重要的工具，它能够帮助我们更好地理解数据，发现数据中的模式，以及验证机器学习模型的性能。Scikit-learn是一个强大的Python库，提供了丰富的机器学习算法和数据预处理工具。本文将通过一个实战案例，展示如何使用Scikit-learn进行数据可视化。

案例背景

我们以鸢尾花（Iris）数据集为例，这个数据集是机器学习中非常经典的案例。它包含150个样本，每个样本有4个特征：花瓣长度、花瓣宽度、花萼长度和花萼宽度。我们的目标是使用这些特征来识别鸢尾花的不同品种。

数据准备

首先，我们需要导入必要的库和数据集。

from sklearn import datasets
from sklearn.model_selection import train_test_split

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

特征选择

为了可视化，我们首先选择前两个特征进行展示。

import matplotlib.pyplot as plt

# 选择前两个特征
X_train_2d = X_train[:, :2]

# 绘制散点图
plt.scatter(X_train_2d[:, 0], X_train_2d[:, 1], c=y_train)
plt.xlabel('花瓣长度')
plt.ylabel('花瓣宽度')
plt.title('鸢尾花数据集散点图')
plt.show()

模型训练

接下来，我们使用决策树分类器对数据进行训练。

from sklearn.tree import DecisionTreeClassifier

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train_2d, y_train)

模型评估

使用测试集来评估模型的性能。

from sklearn.metrics import accuracy_score

# 预测测试集
y_pred = clf.predict(X_test[:, :2])

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.2f}")

可视化决策边界

我们将决策树的决策边界可视化。

# 创建一个网格，用于生成决策边界
h = .02  # 网格步长
x_min, x_max = X_test[:, 0].min() - 1, X_test[:, 0].max() + 1
y_min, y_max = X_test[:, 1].min() - 1, X_test[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

# 预测网格上的每个点
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 绘制决策边界和散点图
plt.figure()
plt.contourf(xx, yy, Z, alpha=0.8)
plt.scatter(X_test[:, 0], X_test[:, 1], c=y_test, edgecolors='k', marker='o')
plt.xlabel('花瓣长度')
plt.ylabel('花瓣宽度')
plt.title('鸢尾花数据集决策边界')
plt.show()

结论

通过这个案例，我们展示了如何使用Scikit-learn进行数据可视化，包括数据准备、特征选择、模型训练、模型评估和决策边界可视化。这些技能在机器学习项目中非常重要，可以帮助我们更好地理解数据和模型。

-- 展开阅读全文 --