99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀Python實(shí)現(xiàn)的隨機(jī)森林算法與簡單總結(jié)
Python實(shí)現(xiàn)的隨機(jī)森林算法與簡單總結(jié)
2018-02-15
收藏


Python實(shí)現(xiàn)的隨機(jī)森林算法與簡單總結(jié)

本文實(shí)例講述了Python實(shí)現(xiàn)的隨機(jī)森林算法。分享給大家供大家參考，具體如下：

隨機(jī)森林是數(shù)據(jù)挖掘中非常常用的分類預(yù)測算法，以分類或回歸的決策樹為基分類器。算法的一些基本要點(diǎn)：

*對大小為m的數(shù)據(jù)集進(jìn)行樣本量同樣為m的有放回抽樣；
*對K個(gè)特征進(jìn)行隨機(jī)抽樣，形成特征的子集，樣本量的確定方法可以有平方根、自然對數(shù)等；
*每棵樹完全生成，不進(jìn)行剪枝；
*每個(gè)樣本的預(yù)測結(jié)果由每棵樹的預(yù)測投票生成（回歸的時(shí)候，即各棵樹的葉節(jié)點(diǎn)的平均）

出于個(gè)人研究和測試的目的，基于經(jīng)典的Kaggle 101泰坦尼克號(hào)乘客的數(shù)據(jù)集，建立模型并進(jìn)行評估。

泰坦尼克號(hào)的沉沒，是歷史上非常著名的海難。突然感到，自己面對的不再是冷冰冰的數(shù)據(jù)，而是用數(shù)據(jù)挖掘的方法，去研究具體的歷史問題，也是饒有興趣。言歸正傳，模型的主要的目標(biāo)，是希望根據(jù)每個(gè)乘客的一系列特征，如性別、年齡、艙位、上船地點(diǎn)等，對其是否能生還進(jìn)行預(yù)測，是非常典型的二分類預(yù)測問題。數(shù)據(jù)集的字段名及實(shí)例如下：



值得說明的是，SibSp是指sister brother spouse，即某個(gè)乘客隨行的兄弟姐妹、丈夫、妻子的人數(shù)，Parch指parents,children

下面給出整個(gè)數(shù)據(jù)處理及建模過程，基于ubuntu+python 3.4（ anaconda科學(xué)計(jì)算環(huán)境已經(jīng)集成一系列常用包，pandas numpy sklearn等，這里強(qiáng)烈推薦）

懶得切換輸入法，寫的時(shí)候主要的注釋都是英文，中文的注釋是后來補(bǔ)充的:-)

# -*- coding: utf-8 -*-
"""
@author: kim
"""
frommodelimport*＃載入基分類器的代碼
#ETL:same procedure to training set and test set
training=pd.read_csv('train.csv',index_col=0)
test=pd.read_csv('test.csv',index_col=0)
SexCode=pd.DataFrame([1,0],index=['female','male'],columns=['Sexcode']) ＃將性別轉(zhuǎn)化為０１
training=training.join(SexCode,how='left',on=training.Sex)
training=training.drop(['Name','Ticket','Embarked','Cabin','Sex'],axis=1)＃刪去幾個(gè)不參與建模的變量，包括姓名、船票號(hào)，船艙號(hào)
test=test.join(SexCode,how='left',on=test.Sex)
test=test.drop(['Name','Ticket','Embarked','Cabin','Sex'],axis=1)
print('ETL IS DONE!')
#MODEL FITTING
#===============PARAMETER AJUSTMENT============
min_leaf=1
min_dec_gini=0.0001
n_trees=5
n_fea=int(math.sqrt(len(training.columns)-1))
#==============================================
'''''
BEST SCORE:0.83
min_leaf=30
min_dec_gini=0.001
n_trees=20
'''
#ESSEMBLE BY RANDOM FOREST
FOREST={}
tmp=list(training.columns)
tmp.pop(tmp.index('Survived'))
feaList=pd.Series(tmp)
fortinrange(n_trees):
#  fea=[]
  feasample=feaList.sample(n=n_fea,replace=False)#select feature
  fea=feasample.tolist()
  fea.append('Survived')
#    feaNew=fea.append(target)
  subset=training.sample(n=len(training),replace=True)#generate the dataset with replacement
  subset=subset[fea]
#  print(str(t)+' Classifier built on feature:')
#  print(list(fea))
  FOREST[t]=tree_grow(subset,'Survived',min_leaf,min_dec_gini)#save the tree
#MODEL PREDICTION
#======================
currentdata=training
output='submission_rf_20151116_30_0.001_20'
#======================
prediction={}
forrincurrentdata.index:#a row
  prediction_vote={1:0,0:0}
  row=currentdata.get(currentdata.index==r)
  forninrange(n_trees):
    tree_dict=FOREST[n]#a tree
    p=model_prediction(tree_dict,row)
    prediction_vote[p]+=1
  vote=pd.Series(prediction_vote)
  prediction[r]=list(vote.order(ascending=False).index)[0]#the vote result
result=pd.Series(prediction,name='Survived_p')
#del prediction_vote
#del prediction
#result.to_csv(output)
t=training.join(result,how='left')
accuracy=round(len(t[t['Survived']==t['Survived_p']])/len(t),5)
print(accuracy)

上述是隨機(jī)森林的代碼，如上所述，隨機(jī)森林是一系列決策樹的組合，決策樹每次分裂，用Gini系數(shù)衡量當(dāng)前節(jié)點(diǎn)的“不純凈度”，如果按照某個(gè)特征的某個(gè)分裂點(diǎn)對數(shù)據(jù)集劃分后，能夠讓數(shù)據(jù)集的Gini下降最多（顯著地減少了數(shù)據(jù)集輸出變量的不純度），則選為當(dāng)前最佳的分割特征及分割點(diǎn)。代碼如下：



# -*- coding: utf-8 -*-
"""
@author: kim
"""
importpandas as pd
importnumpy as np
#import sklearn as sk
importmath
deftree_grow(dataframe,target,min_leaf,min_dec_gini):
  tree={}#renew a tree
  is_not_leaf=(len(dataframe)>min_leaf)
  ifis_not_leaf:
    fea,sp,gd=best_split_col(dataframe,target)
    ifgd>min_dec_gini:
      tree['fea']=fea
      tree['val']=sp
#      dataframe.drop(fea,axis=1) #1116 modified
      l,r=dataSplit(dataframe,fea,sp)
      l.drop(fea,axis=1)
      r.drop(fea,axis=1)
      tree['left']=tree_grow(l,target,min_leaf,min_dec_gini)
      tree['right']=tree_grow(r,target,min_leaf,min_dec_gini)
    else:#return a leaf
      returnleaf(dataframe[target])
  else:
    returnleaf(dataframe[target])
  returntree
defleaf(class_lable):
  tmp={}
  foriinclass_lable:
    ifiintmp:
      tmp[i]+=1
    else:
      tmp[i]=1
  s=pd.Series(tmp)
  s.sort(ascending=False)
  returns.index[0]
defgini_cal(class_lable):
  p_1=sum(class_lable)/len(class_lable)
  p_0=1-p_1
  gini=1-(pow(p_0,2)+pow(p_1,2))
  returngini
defdataSplit(dataframe,split_fea,split_val):
  left_node=dataframe[dataframe[split_fea]<=split_val]
  right_node=dataframe[dataframe[split_fea]>split_val]
  returnleft_node,right_node
defbest_split_col(dataframe,target_name):
  best_fea=''#modified 1116
  best_split_point=0
  col_list=list(dataframe.columns)
  col_list.remove(target_name)
  gini_0=gini_cal(dataframe[target_name])
  n=len(dataframe)
  gini_dec=-99999999
  forcolincol_list:
    node=dataframe[[col,target_name]]
    unique=node.groupby(col).count().index
    forsplit_pointinunique:#unique value
      left_node,right_node=dataSplit(node,col,split_point)
      iflen(left_node)>0andlen(right_node)>0:
        gini_col=gini_cal(left_node[target_name])*(len(left_node)/n)+gini_cal(right_node[target_name])*(len(right_node)/n)
        if(gini_0-gini_col)>gini_dec:
          gini_dec=gini_0-gini_col#decrease of impurity
          best_fea=col
          best_split_point=split_point
    #print(col,split_point,gini_0-gini_col)
  returnbest_fea,best_split_point,gini_dec
defmodel_prediction(model,row):#row is a df
  fea=model['fea']
  val=model['val']
  left=model['left']
  right=model['right']
  ifrow[fea].tolist()[0]<=val:#get the value
    branch=left
  else:
    branch=right
  if('dict'instr(type(branch) )):
    prediction=model_prediction(branch,row)
  else:
    prediction=branch
  returnprediction

實(shí)際上，上面的代碼還有很大的效率提升的空間，數(shù)據(jù)集不是很大的情況下，如果選擇一個(gè)較大的輸入?yún)?shù)，例如生成100棵樹，就會(huì)顯著地變慢；同時(shí)，將預(yù)測結(jié)果提交至kaggle進(jìn)行評測，發(fā)現(xiàn)在測試集上的正確率不是很高，比使用sklearn里面相應(yīng)的包進(jìn)行預(yù)測的正確率（0.77512）要稍低一點(diǎn) :-(  如果要提升準(zhǔn)確率，兩個(gè)大方向： 構(gòu)造新的特征；調(diào)整現(xiàn)有模型的參數(shù)。

這里是拋磚引玉，歡迎大家對我的建模思路和算法的實(shí)現(xiàn)方法提出修改意見。



數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }