这是一篇机器学习岗位的笔试题,题目大概就是:
给定了数据特征和数据标签(二分类),使用机器学习算法对数据进行分类,并优化两个重要的参数,计算AUC指标,画出参数优化和AUC指标变化图。
本文选择的是SVM(支持向量机)来实现这一过程,SVM是非常强大、灵活的有监督学习的算法,既可以用于分类,也可以用于回归。
实现过程:
1.导入需要的包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_score
from sklearn import preprocessing
from sklearn.model_selection import GridSearchCV
2.读取数据特征和数据标签
path1 = r"Test1_features.dat"
X = pd.read_csv(path1,engine ='python',header=None)
path2 = r"Test1_labels.dat"
Y = pd.read_csv(path2,engine ='python',header=None)
3.查看数据特征的统计信息
查看数据特征的基本统计信息会发现数据之间存在量级差异,因此选择对数据进行标准化(下图显示不完全)
X.describe()
#默认优化到取件[0,1]之间
X = preprocessing.scale(X)
5.选择网格优化的两个参数
首先对于SVM来说,惩罚系数C是很重要的参数,肯定要选择;
其次这里的核函数选择的是RBF,因此另一个参数选择Gamma。
6.计算不同参数时的AUC指标
x = y = z = []
for C in range(1,10,1):
for gamma in range(1,11,1):
#参数scoring设置为roc_auc返回的是AUC,cv=5采用的是5折交叉验证
auc = cross_val_score(SVC(C=C,kernel='rbf',gamma=gamma/10),X,Y,cv=5,scoring='roc_auc').mean()
x.append(C)
y.append(gamma/10)
z.append(auc)
7.将list转换为二维数组
x = np.array(x).reshape(9,10)
y = np.array(y).reshape(9,10)
z = np.array(z).reshape(9,10)
8.绘制三维网格优化图
fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(y, x, z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
plt.xlabel('Gamma')
plt.ylabel('C')
当然,这里绘制的图跟想象的有点不一样,由于前面参数C和Gamma选择的原因。