python数据分析期末大作业报告_2018-12-25 python大作业-程序员宅基地

技术标签: python数据分析期末大作业报告  

-- coding: utf-8 --

"""

Created on Sun Dec 23 01:10:07 2018

@author: NickyChu

"""

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from sklearn import svm

from sklearn.linear_model import LogisticRegression as LR

from sklearn.linear_model import RandomizedLogisticRegression as RLR

In[121]:

df = pd.read_csv('Train.csv',header=None)#使用header选项让列名为从0开始的数列

df_new = pd.read_csv('Test.csv',header=None)

print(df.duplicated())#检查重复项

df = df.drop_duplicates()#清洗重复项

df

In[163]:

my_matrix = df

data_x=my_matrix.iloc[:,0:-1]

data_y=my_matrix.iloc[:,-1]

In[123]:

rlr = RLR() #建立随机逻辑回归模型,筛选变量

rlr.fit(data_x, data_y) #训练模型

array1 = rlr.get_support() #获取特征筛选结果,也可以通过.scores_方法获取各个特征的分数

score1 = rlr.scores_

score1

In[161]:

i = 1

for name in array1:

if name == True:

print("第{0}个特征值为有用特征值".format(i))

i = i+1

In[162]:

筛选特征值

data_x.columns = score1

df_new.columns = score1

todrop = [0]

try:

data_x.drop(todrop, inplace=True, axis=1)

df_new.drop(todrop, inplace=True, axis=1)

except:

print("No need to drop")

data_x

df_new

In[]

分组

from sklearn.cross_validation import train_test_split

from sklearn.metrics import confusion_matrix, classification_report, roc_curve, auc

from sklearn.grid_search import GridSearchCV

X1_train, X1_test, y1_train, y1_test = train_test_split(data_x,data_y,test_size=0.33)

组内预测

lr=LR(C = 1.5, penalty = 'l1',class_weight='balanced')#逻辑回归模型

lr.fit(X1_train,y1_train)#train组内模拟

print('逻辑回归模型训练结束')

print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))#输出模型平均正确率(不准确)

print(lr.get_params)#输出相关信息

y1_pre_val = lr.predict(X1_test)#train组内的预测函数

输出报告

print("Classification report (training):\n {0}".format(classification_report(y1_test,y1_pre_val,target_names=["0","1"])))

让他去预测一下test组的

y_val_old = lr.predict(df_new)

print(lr.get_params)#输出相关信息

In[]

parameter tuning

运用穷尽网格搜索

from sklearn.grid_search import GridSearchCV

lr_clf_tuned = LR()

tuned_parameters=[{'penalty':['l1','l2'],

'C':[0.01,0.05,0.1,0.5,1,1.1,1.2,1.3,1.4,1.5,10],

'solver':['liblinear'],

'multi_class':['ovr']},

{'penalty':['l2'],

'C':[0.01,0.05,0.1,0.5,1,1.1,1.2,1.3,1.4,1.5,10],

'solver':['lbfgs'],

'multi_class':['ovr','multinomial']}]

lr_clf_params = {"penalty": ["l1", "l2"], "C": [1, 1.1,1.2,1.3,1.4,1.5, 1.7, 2] }

lr_clf_cv = GridSearchCV(lr_clf_tuned, tuned_parameters, cv=5)

lr_clf_cv.fit(X1_train,y1_train)

print(lr_clf_cv.best_params_)

In[]

from sklearn.ensemble import RandomForestClassifier

lr=LR( C = 10, multi_class='ovr', penalty = 'l1', solver='lbfgs')#逻辑回归模型

lr.fit(X1_train,y1_train)

print('逻辑回归模型训练结束')

print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))

print(lr.get_params)

y1_pre_val = lr.predict(X1_test)#train组内的预测函数

输出报告

print("Classification report (training):\n {0}".format(classification_report(y1_test,y1_pre_val,target_names=["0","1"])))

让他去预测一下test组的

y_val_new = lr.predict(df_new)

print(lr.get_params)#输出相关信息

In[]

寻找最优Roc值

from sklearn.metrics import confusion_matrix, classification_report, roc_curve, auc

from sklearn.metrics import roc_auc_score

def FindtheC():

score = []

aucarr = []

Conclu = []

for i in range(1,100):

i = 64

play = i/1000

for j in range(1,100):

j = 67时 达到 0.699的AUC

Canshu = j

lr=LR(C = Canshu, multi_class='ovr', penalty = 'l2', solver='liblinear',class_weight={0: play, 1: 1-play})#逻辑回归模型

lr.fit(X1_train,y1_train)

print('逻辑回归模型训练结束')

print('模型的平均正确率:%s' % lr.score(X1_train,y1_train))

print(lr.get_params)

y1_pre_test1 = lr.predict(X1_test)#预测函数

auc1 = "ROC是{0}".format(roc_auc_score(y1_test, y1_pre_test1))

print(auc1)

aucarr.append(roc_auc_score(y1_test, y1_pre_test1))

Conclu.append([auc1,Canshu])

print(max(aucarr))

In[]

pre_probs = lr.predict_log_proba(data_x)

print(pre_probs[:,1])

print(pre_probs[:,0])

In[]

from sklearn.ensemble import RandomForestRegressor

from sklearn.linear_model import LogisticRegression

参数调整

x_train = X1_train

y_train = y1_train

x_test = X1_test

y_test = y1_test

def show_accuracy(a, b, tip):

acc = a.ravel() == b.ravel()

acc_rate = 100 * float(acc.sum()) / a.size

return acc_rate

Maincode

lr = LogisticRegression(penalty='l2')

lr.fit(x_train, y_train)

y_hat = lr.predict(x_test)

lr_rate = show_accuracy(y_hat, y_test, 'Logistic回归 ')

print(roc_auc_score(y_test, y_hat))

随机森林 n_estimators:决策树的个数,越多越好,不过值越大,性能就会越差,至少100

rfc = RandomForestClassifier(n_estimators=100)

rfc.fit(x_train, y_train)

y_hat = rfc.predict(x_test)

rfc_rate = show_accuracy(y_hat, y_test, '随机森林 ')

print(roc_auc_score(y_test, y_hat))

In[]

XGBoost

import xgboost as xgb

data_train = xgb.DMatrix(x_train, label=y_train)

data_test = xgb.DMatrix(x_test, label=y_test)

watch_list = [(data_test, 'eval'), (data_train, 'train')]

param = {'max_depth': 6, 'eta': 0.8, 'silent': 1, 'objective': 'binary:logistic'}

bst = xgb.train(param, data_train, num_boost_round=100, evals=watch_list)

y_hat = bst.predict(data_test)

y_hat[y_hat > 0.5] = 1

y_hat[~(y_hat > 0.5)] = 0

xgb_rate = show_accuracy(y_hat, y_test, 'XGBoost ')

print(roc_auc_score(y_test, y_hat))

In[]

ROC图所需参数

y1 = lr.predict_proba(data_x)

y1_valid_score_lr1 = lr.predict_proba(data_x)

fpr_lr1, tpr_lr1, thresholds_lr1 = roc_curve(data_y, y1_valid_score_lr1[:, 1])

roc_auc_lr1 = auc(fpr_lr1, tpr_lr1)

作ROC图

plt.plot(fpr_lr1, tpr_lr1, lw=2, alpha=.6)

plt.plot([0, 1], [0, 1], lw=2, linestyle="--")

plt.xlim([0, 1])

plt.ylim([0, 1.05])

plt.xlabel("FPR")

plt.ylabel("TPR")

plt.title("ROC curve")

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_39889597/article/details/110370778

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些

PHP设置谷歌验证器(Google Authenticator)实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数,兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios

如何将EXCEL表导入plsql数据库中-程序员宅基地

文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql

Git常用命令速查手册-程序员宅基地

文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...

分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120-程序员宅基地

文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120

【C++缺省函数】 空类默认产生的6个类成员函数_空类默认产生哪些类成员函数-程序员宅基地

文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数

推荐文章

热门文章

相关标签