Question

算法比较

Answer 1

    比较不同算法的准确度，选择合适的算法，在处理机器学习的问题时是非常重要的，本章将介绍一种模式，在scikit-learn中可以利用它比较不同的算法，并选择合适的算法。

    每种模型都有各自适合处理的数据特征，通过交叉验证等抽样验证方式可以得到每种模型的准确度，并选择合适的算法。通过这种评估方式，可以找到一种或者两种最适合问题的算法。每当得到一个新的数据时，应该通过不同的维度来审查数据，以便于找到数据的特征，这种方法也适用于选择算法模型。同样需要从不同的维度，用不同的方法来观察机器学习算法的准确度，并从中选择一种或两种对问题最有效的算法。一种比较好的方法是通过可视化的方式来展示平均准确度、方差等属性，以便于更方便地选择算法。

最合适的算法比较方法是 ：使用相同的数据、相同的方法来评估不同的算法，以便得到一个准确的结果。

from pandas import read_csv

from sklearn.model_selection import KFold

from sklearn.linear_model import LogisticRegression

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

from sklearn.neighbors import KNeighborsClassifier

from sklearn.tree import DecisionTreeClassifier

from sklearn.svm import SVC

from sklearn.model_selection import cross_val_score

from sklearn.naive_bayes import GuassianNB

form matplotlib import pyplot

#导入数据

filename='pima_data.csv'

names=['preg','plas','pres','skin','test','mass','pedi','age','class']

data=read_csv(filename,names=names)

#将数据分为输入数据和输出结果

array=data.values

X=array[:,0:8]

Y=array[:,8]

num_folds=10

seed = 7

kfold=KFold(n_splits=num_folds,random_state=seed)

models = {}

models["LR"] = LogisticRegressoin()

models["LDA"] = LinearDiscriminantAnalysis()

models["KNN"] = LogisticRegressoin()

models["CART"] = DecisionTreeClassifier()

models["SVM"] = SVC()

models["NB"] = GuassianNB()

results = []

for name in models:

    result = cross_val_score(models[name],X,Y,cv=kfold)

    results.append(result)

    msg="%s: %.3f(%.3f)" %(name,result.mean(),result.std())

    print(msg)

#图表显示

fig = pyplot.figure()

fig.suptitle('Algorithm Comparison')

ax = fig.add_subplot(111)

pyplot.boxplot(results)

ax.set_xticklabels(models.keys())

pyplot.show()

同时也可以通过箱线图展示算法的准确度，以及10折交叉验证中每次验证结果的分布情况。通过这个方法可以找到一种或者两种算法对给定数据集能够生成宝国准确度最高的模型，从而选择合适的算法。这个方法也可以应用到所有机器学习的问题中。