Java教程

13运动状态-程序编写

本文主要是介绍13运动状态-程序编写,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

运动状态 - 程序编写


算法流程

image

  • 需要从特征文件和标签文件中将所有数据加载到内存中,由于存在缺失值,此步骤还需要进行简单的数据预处理。
  • 创建对应的分类器,并使用训练数据进行训练。
  • 利用测试集预测,通过使用真实值和预测值的比对,计算模型整体的准确率和召回率,来评测模型。

编写

模块导入

  • 导人numpy库和pandas库
  • 从sklearn库中导人预处理模块Imputer
  • 导人自动生成训练集和测试集的模块train_test_split
  • 导入预测结果评估模块classification_report

接下来,从sklearn库中依次导人三个分类器模块:

  • K近邻分类器KNeighborsClassifier
  • 决策树分类器DecisionTreeClassifier
  • 高斯朴素贝叶斯函数GaussianNB
import pandas as pd
import numpy as np

from sklearn.impute import SimpleImputer  # 导入预处理模块Imputer
from sklearn.model_selection import train_test_split  # 导入自动生成训练集和测试集的模块train_test_split
from sklearn.metrics import classification_report  # 导入预测结果评估模块classification_report
# 导入分类器
from sklearn.neighbors import KNeighborsClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.naive_bayes import GaussianNB

数据导入函数

  • 编写数据导入函数,设置传人两个参数,分别是特征文件的列表feature_paths和标签文件的列表label_paths。
  • 定义feature数组变量,列数量和特征维度一致为41;定义空的标签变量,列数量与标签维度一致为1。
  • 使用pandas库的read_table函数读取一个特征文件的内容,其中指定分隔符为逗号、缺失值为问号且文件不包含表头行。
  • 使用Imputer函数,通过设定strategy参数为‘mean',使用平均值对缺失数据进行补全。fit()函数用于训练预处理器,transform()函数用于生成预处理结果。
  • 将预处理后的数据加人feature,依次遍历完所有特征文件。
  • 遵循与处理特征文件相同的思想,我们首先使用pandas库的read table函数读取一个标签文件的内容,其中指定分隔符为逗号且文件不包含表头行。
  • 由于标签文件没有缺失值,所以直接将读取到的新数据加入label集合,依次遍历完所有标签文件,得到标签集合label。
  • 最后函数将特征集合feature与标签集合label返回。
def load_datasets(feature_paths, label_paths):
    # '''
    # 读取特征文件和标签文件并返回
    # '''
    # 定义feature数组变量,列数量和特征维度一致为41;定义空的标签变量,列数量与标签维度一致为1
    feature = np.ndarray(shape=(0, 41))
    label = np.ndarray(shape=(0, 1))
    for file in feature_paths:
        # 使用pandas库的read_table函数读取一个特征文件的内容,其中指定分隔符为逗号、缺失值为问号且文件不包含表头行
        df = pd.read_table(file, delimiter=',', na_values='?', header=None)
        # 使用SimpleImputer函数,通过设定strategy参数为‘mean’,使用平均值对缺失数据进行补全。
        imp = SimpleImputer(missing_values='NaN', strategy='mean', axis=0)
        # fit()函数用于训练预处理器,transform()函数用于生成预处理结果。
        imp.fit(df)
        df = imp.transform(df)
        # 将预处理后的数据加入feature,依次遍历完所有特征文件
        feature = np.concatenate((feature, df))

    # 读取标签文件
    for file in label_paths:
        df = pd.read_table(file, header=None)
        label = np.concatenate((label, df))
    # 将标签归整化为一维向量
    label = np.ravel(label)
    return feature, label

主函数 - 数据准备

  • 设置数据路径feature_paths和label_pathso
  • 使用python的分片方法,将数据路径中的前4个值作为训练集,并作为参数传入load dataset()函数中,得到训练集合的特征x_train,训练集的标签y_train。
  • 将最后一个值对应的数据作为测试集送入load_dataset函数中,得到测试集合的特征x_test,测试集的标签y_test。
  • 使用train_test_split()函数,通过设置测试集比例test size为0,将数据随机打乱,便于后续分类器的初始化和训练。

主函数 - KNN

  • 使用默认参数创建K近邻分类器,并将训练集x_train和y_train送入fit()函数进行训练,训练后的分类器保存到变量knn中
  • 使用测试集x_test,进行分类器预测,得到分类结果answer_knn。

主函数 - 决策树

  • 使用默认参数创建决策树分类器dt,并将训练集x_train和y_train送人fit()函数进行训练。训练后的分类器保存到变量dt中。
  • 使用测试集x_test,进行分类器预测,得到分类结果answer_dt。

主函数 - 贝叶斯

  • 使用默认参数创建贝叶斯分类器,并将训练集x train和y_train送入fit()函数进行训练。训练后的分类器保存到变量gnb中。
  • 使用测试集x_test,进行分类器预测,得到分类结果answer_gnb。

主函数 - 分类结果分析

  • 使用classification_report函数对分类结果,从精确率precision、召回率recall、f1值f1-score和支持度support四个维度进行衡量。
  • 分别对三个分类器的分类结果进行输出。
if __name__ == '__main__':
    # ''' 数据路径 '''
    featurePaths = ['A/A.feature', 'B/B.feature', 'C/C.feature', 'D/D.feature', 'E/E.feature']
    labelPaths = ['A/A.label', 'B/B.label', 'C/C.label', 'D/D.label', 'E/E.label']

    # ''' 读入数据  '''
    x_train, y_train = load_datasets(featurePaths[:4], labelPaths[:4])
    x_test, y_test = load_datasets(featurePaths[4:], labelPaths[4:])

    # 使用train_test_split()函数,通过设置测试集比例test_size为0,将数据随机打乱,便于后续分类器的初始化和训练。
    x_train, x_, y_train, y_ = train_test_split(x_train, y_train, test_size=0.0)

    print('Start training knn')
    knn = KNeighborsClassifier().fit(x_train, y_train)
    print('Training done')
    answer_knn = knn.predict(x_test)
    print('Prediction done')

    print('Start training DT')
    dt = DecisionTreeClassifier().fit(x_train, y_train)
    print('Training done')
    answer_dt = dt.predict(x_test)
    print('Prediction done')

    print('Start training Bayes')
    gnb = GaussianNB().fit(x_train, y_train)
    print('Training done')
    answer_gnb = gnb.predict(x_test)
    print('Prediction done')

    print('\n\nThe classification report for knn:')
    print(classification_report(y_test, answer_knn))
    print('\n\nThe classification report for DT:')
    print(classification_report(y_test, answer_dt))
    print('\n\nThe classification report for Bayes:')
    print(classification_report(y_test, answer_gnb))



结果展示

Start training knn
Training done
Prediction done
Start training DT
Training done
Prediction done
Start training Bayes
Training done
Prediction done


The classification report for knn:
             precision    recall  f1-score   support

        0.0       0.56      0.60      0.58    102341
        1.0       0.92      0.93      0.93     23699
        2.0       0.94      0.78      0.85     26864
        3.0       0.83      0.82      0.82     22132
        4.0       0.85      0.88      0.87     32033
        5.0       0.39      0.21      0.27     24646
        6.0       0.77      0.89      0.82     24577
        7.0       0.80      0.95      0.87     26271
       12.0       0.32      0.33      0.33     14281
       13.0       0.16      0.22      0.19     12727
       16.0       0.90      0.67      0.77     24445
       17.0       0.89      0.96      0.92     33034
       24.0       0.00      0.00      0.00      7733

avg / total       0.69      0.69      0.68    374783



The classification report for DT:
             precision    recall  f1-score   support

        0.0       0.48      0.73      0.58    102341
        1.0       0.66      0.96      0.78     23699
        2.0       0.84      0.86      0.85     26864
        3.0       0.93      0.72      0.81     22132
        4.0       0.23      0.16      0.19     32033
        5.0       0.62      0.52      0.57     24646
        6.0       0.76      0.57      0.65     24577
        7.0       0.32      0.15      0.20     26271
       12.0       0.60      0.67      0.63     14281
       13.0       0.67      0.47      0.56     12727
       16.0       0.57      0.07      0.13     24445
       17.0       0.84      0.85      0.85     33034
       24.0       0.38      0.29      0.33      7733

avg / total       0.59      0.59      0.56    374783



The classification report for Bayes:
             precision    recall  f1-score   support

        0.0       0.62      0.81      0.70    102341
        1.0       0.97      0.91      0.94     23699
        2.0       1.00      0.65      0.79     26864
        3.0       0.60      0.66      0.63     22132
        4.0       0.91      0.77      0.83     32033
        5.0       1.00      0.00      0.00     24646
        6.0       0.87      0.72      0.79     24577
        7.0       0.31      0.47      0.37     26271
       12.0       0.52      0.59      0.55     14281
       13.0       0.61      0.50      0.55     12727
       16.0       0.89      0.72      0.79     24445
       17.0       0.75      0.91      0.82     33034
       24.0       0.59      0.24      0.34      7733

avg / total       0.74      0.68      0.67    374783

结果对比:

image

结论:

  • 从准确度的角度衡量,贝叶斯分类器的效果最好
  • 从召回率和F1值的角度衡量,k近邻效果最好
  • 贝叶斯分类器和k近邻的效果好于决策树



最后的思考

  • 今天是10月16日,很冷,小苏找了一个小时,找到了一个错误的数据集,又找了一个多小时,没找到对应的数据集。如果哪个好心人找到了数据集,麻烦Q我一下,十分感谢!
  • 在所有的特征数据中,可能存在缺失值或者冗余特征。如果将这些特征不加处理地送人后续的计算,可能会导致模型准确度下降并且增大计算量。
  • 特征选择阶段,通常需要借助辅助软件(例如Weka)将数据进行可视化并进行统计。
  • 如何筛选冗余特征,提高模型训练效率。
  • 调用sklearn提供的其他分类器进行数据预测。

一些视频教学里的错误:

1、明明from sklearn.cross_validation import train_test_split在一台电脑上运行没有任何问题,但是换了一台电脑就出现如下图所示的问题,显示没有该模块。

解决方法:

将from sklearn.cross_validation import train_test_split替换为from sklearn.model_selection import train_test_split

2、from sklearn.preprocessing import Imputer更新了sklearn库,但发现有报错,原来处理缺失值的Imputer没了,按理说那么重要的库不大可能没有,然后看了下文档,0.21之后就从preprocessing里单独抽出来了,

解决方法:

将代码修改为from sklearn.impute import SimpleImputer

最后,可能会出现axis的错误:

把imp = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0),改成imp = SimpleImputer(missing_values=np.nan, strategy='mean')

这篇关于13运动状态-程序编写的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!