《机器学习》西瓜书课后习题3.4——python解交叉验证和留一法的对率回归错误率

2022-12-10 16:18:26

《机器学习》西瓜书课后习题3.4——python解交叉验证和留一法的对率回归错误率

《机器学习》西瓜书P69

3.3 选择两个UCI数据集，比较10折交叉验证法和留一法所估计出的对率回归的错误率

数据集属性信息：

1.萼片长度（以厘米计）
2.萼片宽度（以厘米计）
3.花瓣长度（以厘米计）
4.花瓣宽度（以厘米计）
5.类别：

数据集处理说明：该数据集中鸢尾花种类共有3种，分别是：Iris-setosa、Iris-versicolor和Iris-virginica，由于题目中要求采用两种方法对数据集进行处理，因此我们将Iris-setosa和Iris-versicolor划分在一个数据集（称为1号数据集），并采用留一法法进行数据集的划分，Iris-versicolor和Iris-virginica放入另一个数据集（称为2号数据集）并使用交叉验证法进行划分。

【代码】

#Iris-setosa标记为0，Iris-versicolor标记为1，Iris-virginica标记为2
def loadDataset(filename):
    dataset_12=[]
    dataset_23=[]

    with open(filename,'r',encoding='utf-8') as csvfile:
        csv_reader = csv.reader(csvfile)
        for row in csv_reader:
            if row[4] == 'Iris-setosa':
                row[4]=0
                dataset_12.append(copy.deepcopy(row))
            elif row[4]=='Iris-virginica':
                row[4]=2
                dataset_23.append(copy.deepcopy(row) )
            else:
                row[4]=1
                dataset_12.append(copy.deepcopy(row))
                dataset_23.append(copy.deepcopy(row))

    data_12 = [[float(x) for x in row] for row in dataset_12]
    data_23= [[float(x) for x in row] for row in dataset_23]
    # print(data_12)
    # print(data_23)
    return data_12,data_23

注意：在该程序中我们使用append(copy.deepcopy(row))进行深度复制，目的是避免对数组的操作影响原数组的变化，下同！！！！

针对2号数据集：

【代码思路】我们使用10折交叉验证法对数据集每次划分为训练集和测试集，然后使用梯度下降法对训练集进行训练，并使用测试集求得每次的准确率，最终我们将10次准确率取平均值，即为最终的正确率。

【详细过程】

首先利用python中自带的函数进行10折交叉验证划分，由于返回的是划分数据的下标，因此我们需要找到对应的数据元素，然后，对得到的训练集和测试集中的数据进行预处理（在数组最后增加一列1，0，1存储真实标记），接着就可以参与训练，我们将迭代次数设置为2000次，我们发现当迭代次数达到2000之后，准确率很难再增长，于是取2000作为终止条件，将得到的w分别与10个测试集进行运算比较，得到10组准确率，取平均值即可。

最终我们得到10折交叉验证法进行对率回归得到的准确率为96%！

#定义sigmoid函数
def sigmoid(z):
	return 1.0 / (1 + np.exp(-z))

#计算正确率
def testing(testset,w,testlabel):
    data = np.mat(testset).astype(float)

    y = sigmoid(np.dot(data, w))
    b, c = np.shape(y)  # 功能是查看矩阵或者数组的维数。
    rightcount = 0

    for i in range(b):
        flag = -1
        if y[i, 0] > 0.5:
            flag = 1
        elif y[i, 0] < 0.5:
            flag = 0
        if testlabel[i] == flag:
            rightcount += 1

    rightrate = rightcount / len(testset)

    return rightrate


#迭代求w
def training(dataset,labelset,testset,testlabel):
    # np.dot(a,b) a和b矩阵点乘
    # np.transpose()  转置
    # np.ones((m,n))  创建一个m行n列的多维数组
    data=np.mat(dataset).astype(float)
    label=np.mat(labelset).transpose()
    w = np.ones((len(dataset[0]),1))

    #步长
    n=0.0001

    # 每次迭代计算一次正确率（在测试集上的正确率）
    # 达到0.90的正确率，停止迭代
    rightrate=0.0
    count=0
    while count<5000:
        c=sigmoid(np.dot(data,w))
        b=c-label
        change = np.dot(np.transpose(data),b)
        w=w-change*n
        #预测，更新准确率
        if rightrate<testing(testset,w,testlabel):
            rightrate=testing(testset,w,testlabel)
        count+=1
    return rightrate

def formdata(dataset,flag):#flag=1代表的是对一号数据集进行数据预处理，falg=2针对2号数据集
    #主要是将训练集和测试集进行规范化处理，便于下一步进行正确率计算和迭代求w
    data=[]
    label=[]
    if flag==1:
        for row in dataset:
            label.append(copy.deepcopy(row[4]))
            row[4]=1
            data.append(copy.deepcopy(row))
    elif flag == 2:
        for row in dataset:
            label.append(copy.deepcopy(row[4]-1))
            row[4]=1
            data.append(copy.deepcopy(row))

    return data,label




def changedata(dataset,train_index,test_index):#对数据集进行处理，增加最后一列为1
    trainset=[]
    testset=[]
    for i in train_index:
        trainset.append(copy.deepcopy(dataset[i]))

    for i in test_index:
        testset.append(copy.deepcopy(dataset[i]))

    return trainset,testset
    
#10折交叉验证法对数据集23进行分类
def Flod_10(dataset):
    sam=KFold(n_splits=10)
    rightrate=0.0
    for train_index,test_index in sam.split(dataset):#得到训练集和测试集的索引

        # 下面将索引转化为所对应的元素，并将训练集进行迭代，每次求出最大的正确率
        trainset,testset=changedata(dataset,train_index,test_index)
        #print(trainset)
        trainset,trainlabel=formdata(trainset,2)
        testset,testlabel=formdata(testset,2)

        rightrate+=training(trainset,trainlabel,testset,testlabel)

    print(rightrate/10)

最终结果：

[[-1.90048431]
 [-1.20567294]
 [ 2.31544454]
 [ 2.66095658]
 [-0.20997301]]
[[-1.86985439]
 [-1.3288315 ]
 [ 2.3427924 ]
 [ 2.64797632]
 [-0.16119412]]
[[-1.90055107]
 [-1.29322442]
 [ 2.37973509]
 [ 2.68461371]
 [-0.26297932]]
[[-2.00438577]
 [-1.18000688]
 [ 2.43352222]
 [ 2.65712983]
 [-0.15617894]]
[[-1.94737348]
 [-1.16692044]
 [ 2.35919664]
 [ 2.59038908]
 [-0.14542583]]
[[-1.91467144]
 [-1.22980709]
 [ 2.27891615]
 [ 2.74578832]
 [-0.23887025]]
[[-1.94810073]
 [-1.27450893]
 [ 2.37093425]
 [ 2.64955955]
 [-0.24649082]]
[[-1.99150258]
 [-1.25235181]
 [ 2.35312496]
 [ 2.75221192]
 [-0.20701229]]
[[-1.96302072]
 [-1.29024687]
 [ 2.31087635]
 [ 2.8008307 ]
 [-0.16047752]]
[[-1.9630222 ]
 [-1.35486554]
 [ 2.50563773]
 [ 2.44772595]
 [-0.25646535]]
0.96

针对1号数据集

【代码思路】我们使用留一法进行划分，将数据集的75%作为训练集，25%作为测试集，由于Iris-setosa、Iris-versicolor的个数为1：1因此采用分层抽样的方法，我们将每种花的75%作为训练集，25%作为测试集，然后进行迭代求准确率即可！

#留出法——对数据集12进行分类
#将75%的样本作为训练，其余用作测试
def LeftOut(dataset):
    train12=[]
    test12=[]
    for i in range(len(dataset)):
        if i<=37:
            train12.append(copy.deepcopy(dataset[i]))
        elif i>50 and i<=88:
            train12.append(copy.deepcopy(dataset[i]))
        else:
            test12.append(copy.deepcopy(dataset[i]))

    trainset,trainlabel=formdata(train12,1)
    testset,testlabel=formdata(test12,1)
    rightrate=training(trainset,trainlabel,testset,testlabel)
    print(rightrate)

最终结果

码农公寓

《机器学习》西瓜书课后习题3.4——python解交叉验证和留一法的对率回归错误率

相关文章