机器学习技术任务驱动式教程-模块9 基于集成学习的分类预测.pptx

数据转换投票法BaggingAdaBoost性能评价参考书目《机器学习技术任务驱动式教程》基于集成学习的分类预测模块9机器学习技术

目录投票法融合多分类器Bagging提升分类器精度AdaBoost提升分类器精度小结习题九基于集成学习的分类预测模块9机器学习技术

癌症是世界上女性最常见的癌症。它占所有癌症病例的25%，仅2015年就影响了210多万人。当乳房中的细胞开始生长失控时，它就开始了。这些细胞通常形成肿瘤，可以通过X射线看到，或者在乳房区域感觉到肿块。对其检测的关键挑战是如何将肿瘤分为恶性（癌性）或良性（非癌性）。要求使用投票法融合多个分类器提升分类精度。详细的字段描述见第7章。1.1任务描述1.投票法融合多分类器基于breast-cancer-kaggle.csv，先使用K-最近邻、逻辑回归、决策树、贝叶斯、支持向量机单分类器建立模型,预测病人肿瘤是良性还是恶性，然后使用投票方法综合单分类器模型提升预测精度。任务目标

1.2任务分解import方式引入依赖的模块文件读入DataFrame，抽样检查样本，检查属性类型转换到(0,1)区间的正态分布依赖库导入数据观察数据转换从探查数据内容开始，经过数据转换和数据集分离，使用单分类器建立模型评估精度，然后采用投票方法融合多个模型预测肿瘤类别。1.投票法融合多分类器

1.2任务分解构建单分类器模型在训练集上训练，在测试集上评估精度融合多个单分类器模型预测标签单分类器训练投票法模型训练接上1.投票法融合多分类器

1.3任务实施1.3.1依赖库导入步骤1：定义2级标题。##fontcolor=black依赖库导入/font按“SHIFT+Enter”,运行结果如下：1.投票法融合多分类器

1.3任务实施步骤2：导入依赖库。importpandasaspdimportnumpyasnpfromsklearn.svmimportSVCfromsklearnimportneighborsfromsklearn.linear_modelimportLogisticRegressionfromsklearn.treeimportDecisionTreeClassifierfromsklearn.naive_bayesimportGaussianNB1.投票法融合多分类器

1.3任务实施fromsklearn.ensembleimportVotingClassifierfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScaler,Normalizer,LabelEncoder1.投票法融合多分类器按“SHIFT+Enter”，检查输出无异常。接上

1.3任务实施1.3.2数据观察文件读入DataFrame对象后，需要观察属性值和类型。步骤1：定义2级标题。##fontcolor=black数据观察/font按“SHIFT+Enter”,运行结果如下：1.投票法融合多分类器

1.3任务实施步骤2：把数据从文件读入DataFrame对象。df_data=pd.read_csv(../data/breast-cancer-kaggle.csv,index_col=id)df_data.shape按“SHIFT+Enter”,运行结果如下：1.投票法融合多分类器

1.3任务实施步骤3：检查前5个样本。df.head(5)按“SHIFT+Enter”,运行结果如下：diagnoisis:M(恶性),B(良性)1.投票法融合多分类器

1.3任务实施步骤4：查看每个字段的数据类型。df_data.info()按“SHIFT+Enter”,运行结果如右图。从结果看出，数据集共有569条样本、31个字段。除标签diagnosis外，其它30个字段都是float类型，30个特征分为mean(平均值)、se(标准方差)、worst（最差）3组。标签diagnosis需要转换到int。1.投票法融合多分类器

1.3任务实施1.3.3数据转换步骤1：定义2级标题。##fontcolor=black数据转换/font按“SHIFT+Enter”,运行结果如下：1.投票法融合多分类器

1.3任务实施步骤2：标签从文本转换到索引型数值。le=LabelEncoder()df_data[diagnosis]=le.fit_transform(df_data[diagnosis])df_data.info()按“SHIFT+Enter”,运行结果如右图。