码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 【机器学习】python机器学习使用scikit-learn对模型进行微调:使用RandomizedSearchCV对pipline进行参数选择


    端到端机器学习导航:
    【机器学习】python借助pandas加载并显示csv数据文件,并绘制直方图
    【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片
    【机器学习】python借助pandas及scikit-learn使用三种方法分割训练集及测试集
    【机器学习】python借助pandas及matplotlib将输入数据可视化,并计算相关性
    【机器学习】python机器学习借助scikit-learn进行数据预处理工作:缺失值填补,文本处理(一)
    【机器学习】python机器学习scikit-learn和pandas进行Pipeline处理工作:归一化和标准化及自定义转换器(二)
    【机器学习】python机器学习使用scikit-learn评估模型:基于普通抽样及分层抽样的k折交叉验证做模型选择
    【机器学习】python机器学习使用scikit-learn对模型进行微调:使用GridSearchCV及RandomizedSearchCV
    【机器学习】python机器学习使用scikit-learn对模型进行评估:使用t分布及z分布评估模型误差的95%置信空间
    【机器学习】python机器学习使用scikit-learn对模型进行微调:RandomizedSearchCV的分布参数设置
    【机器学习】python机器学习使用scikit-learn对模型进行微调:按特征贡献大小保留最重要k个特征的transform
    【机器学习】python机器学习使用scikit-learn对模型进行微调:使用RandomizedSearchCV对pipline进行参数选择

    数据准备:

    import os
    
    HOUSING_PATH = os.path.join("datasets", "housing")
    import pandas as pd
    
    def load_housing_data(housing_path=HOUSING_PATH):
        csv_path = os.path.join(housing_path, "housing.csv")
        return pd.read_csv(csv_path)
    housing=load_housing_data()
    housing2=housing.copy()
    import numpy as np
    
    #预处理前去掉带文字的指定列
    from sklearn.preprocessing import MinMaxScaler,StandardScaler,OneHotEncoder
    
    from sklearn.impute import SimpleImputer
    housing_num = housing2.drop("ocean_proximity", axis=1)
    from sklearn.preprocessing import StandardScaler
    from sklearn.pipeline import Pipeline
    num_pipeline = Pipeline([
            ('imputer', SimpleImputer(strategy="median")),
            ('std_scaler', StandardScaler())
        ])
    
    
    
    from sklearn.compose import ColumnTransformer
    #返回所有列名
    num_attribs = list(housing_num)
    
    cat_attribs = ["ocean_proximity"]
    #找出待独热编码列的最大分类数,不然在进行测试集划分处理时,
    #容易造成独热向量因测试集构成不同而列数不一致的情况
    categories=housing2['ocean_proximity'].unique()
    full_pipeline = ColumnTransformer([
            ("num", num_pipeline, num_attribs),
            ("cat", OneHotEncoder(categories=[categories]), cat_attribs),
        ])
    #抽样后的数据,去除预测目标列,并拿出对应目标列准备数据训练
    housing_labels = housing2["median_house_value"]
    
    housing_prepared = full_pipeline.fit_transform(housing2)
    from sklearn.model_selection import train_test_split
    train_set, test_set,train_sety, test_sety = train_test_split(housing_prepared,housing_labels, test_size=0.1, random_state=42)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44

    对特征选择数及缺失值的填补规则进行搜索:
    对于特征选择可详见博文:【机器学习】python机器学习使用scikit-learn对模型进行微调:决策树按特征贡献大小保留最重要的k个特征的transform

    from sklearn.model_selection import RandomizedSearchCV
    from scipy.stats import randint
    from scipy.stats import expon, reciprocal
    from sklearn.svm import SVR
    from sklearn.ensemble import RandomForestRegressor
    import matplotlib.pyplot as plt
    import numpy as np
    
    forest_reg = RandomForestRegressor(random_state=42)
    
    forest_reg.fit(train_set[:1000], train_sety[:1000])
    print(forest_reg.feature_importances_)
    importantArray=forest_reg.feature_importances_
    
    from sklearn.base import BaseEstimator, TransformerMixin
    
    def indices_of_top_k(arr, k):
        #np.argpartition ()将传入的数组arr分成 两部分 ,即:排在第k位置前面的数都小于k位置,排在第k位置后面的值都大于k位置
        #np.argpartition(np.array(arr), -k)保证最后k个数大于k位置的数,[-k:]取最后的k个值,这个组合求数组内最大的k个数
        #该函数返回的是下标,再按下标进行排序
        return np.sort(np.argpartition(np.array(arr), -k)[-k:])
    
    class TopFeatureSelector(BaseEstimator, TransformerMixin):
        #feature_importances为特证重要度,越大重要度越高
        def __init__(self, feature_importances, kparam):
            self.feature_importances = feature_importances
            self.kparam = kparam
        def fit(self, X, y=None):
            self.feature_indices_ = indices_of_top_k(self.feature_importances, self.kparam)
            return self
        def transform(self, X):
            return X[:, self.feature_indices_]
    
    #有了重要特征后重新训练:
    full_pipeline2=  Pipeline([
            ('prepared', full_pipeline),
            #使用参数搜索时,会以指定搜索参数覆盖掉这里的参数5
            ("filter",TopFeatureSelector(importantArray,5)),
            ("result",RandomForestRegressor(random_state=42))
        ])
    #关键是参数分布的填写:
    param_distribs2 = {
    
            #注意,不能只是形参名,需要保证带有self.kparam的参数
            'filter__kparam': randint(low=1, high=15),
            #出现pipeline嵌套的情况时,使用双下划线连接pipline的step名,
            #将具体参数名加在最后,对于搜索范围是list的超参数,在给定的list中等概率采样
            'prepared__num__imputer__strategy': ['mean', 'median', 'most_frequent'],
        }
    rnd_search = RandomizedSearchCV(full_pipeline2, param_distributions=param_distribs2,
                                    n_iter=10, cv=2, scoring='neg_mean_squared_error',
                                    verbose=2, random_state=42)
    rnd_search.fit(housing2,housing_labels)
    rnd_search.best_params_
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54

    程序输出结果为:

    Fitting 2 folds for each of 10 candidates, totalling 20 fits
    [CV] END filter__kparam=7, prepared__num__imputer__strategy=mean; total time=   3.1s
    [CV] END filter__kparam=7, prepared__num__imputer__strategy=mean; total time=   3.0s
    [CV] END filter__kparam=11, prepared__num__imputer__strategy=mean; total time=   4.1s
    [CV] END filter__kparam=11, prepared__num__imputer__strategy=mean; total time=   3.9s
    [CV] END filter__kparam=5, prepared__num__imputer__strategy=most_frequent; total time=   2.2s
    [CV] END filter__kparam=5, prepared__num__imputer__strategy=most_frequent; total time=   2.1s
    [CV] END filter__kparam=10, prepared__num__imputer__strategy=most_frequent; total time=   3.8s
    [CV] END filter__kparam=10, prepared__num__imputer__strategy=most_frequent; total time=   3.7s
    [CV] END filter__kparam=7, prepared__num__imputer__strategy=most_frequent; total time=   2.9s
    [CV] END filter__kparam=7, prepared__num__imputer__strategy=most_frequent; total time=   3.0s
    [CV] END filter__kparam=11, prepared__num__imputer__strategy=mean; total time=   3.9s
    [CV] END filter__kparam=11, prepared__num__imputer__strategy=mean; total time=   4.1s
    [CV] END filter__kparam=4, prepared__num__imputer__strategy=most_frequent; total time=   1.8s
    [CV] END filter__kparam=4, prepared__num__imputer__strategy=most_frequent; total time=   1.7s
    [CV] END filter__kparam=6, prepared__num__imputer__strategy=mean; total time=   2.6s
    [CV] END filter__kparam=6, prepared__num__imputer__strategy=mean; total time=   2.5s
    [CV] END filter__kparam=2, prepared__num__imputer__strategy=median; total time=   1.2s
    [CV] END filter__kparam=2, prepared__num__imputer__strategy=median; total time=   1.2s
    [CV] END filter__kparam=6, prepared__num__imputer__strategy=median; total time=   2.5s
    [CV] END filter__kparam=6, prepared__num__imputer__strategy=median; total time=   2.5s
    #最终的最优参数为:
    {'filter__kparam': 2, 'prepared__num__imputer__strategy': 'median'}
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
  • 相关阅读:
    接口测试与功能测试的区别~
    详解八大排序
    idea 导入项目
    量化程序化交易如何去使用以及执行?
    ovs vxlan实现代码分析
    Android 10.0 SystemUI状态栏增加实时网络测速显示功能
    Android学习笔记 29. Activity组件
    云原生|kubernetes 你真的学废了吗---实战k8s 一(jsonpath实战)
    小型气象站硬件和软件均采用模块组合式开放性设计,可灵活组合使用
    《网络安全笔记》第十三章:IP地址概述
  • 原文地址:https://blog.csdn.net/hh1357102/article/details/126407141
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号