有监督的机器学习，产生一个经过训练的估计器

Question

在一项任务中，我应该使用scikit、numpy和pylab来完成以下任务：

“以下所有内容都应该使用提供的training_data.csv文件中的数据。training_data给出了一组带标签的整数对，表示两个运动队的分数，标签上显示了这项运动。

编写以下函数：

plot_scores()应该绘制数据的散点图。

预测(数据集)应该产生一个经过训练的估计器来猜测导致给定分数的运动(来自我们保留的数据集，它将作为一个1000×2np数组的输入)。你可以使用任何算法从科学工具。

一个名为“预处理”的可选附加函数将在数据集传递到预测之前处理它。“

这就是我到目前为止所做的：

import numpy as np
import scipy as sp
import pylab as pl
from random import shuffle

def plot_scores():
    k=open('training_data.csv')
    lst=[]
    for triple in k:
        temp=triple.split(',')
        lst.append([int(temp[0]), int(temp[1]), int(temp[2][:1])])
    array=np.array(lst)
    pl.scatter(array[:,0], array[:,1])
    pl.show()

def preprocess(dataset):
    k=open('training_data.csv')
    lst=[]
    for triple in k:
        temp=triple.split(',')
        lst.append([int(temp[0]), int(temp[1]), int(temp[2][:1])])
    shuffle(lst)
    return lst

在预处理过程中，我对数据进行了调整，因为我应该使用其中的一些数据进行训练，并对其中的一些数据进行测试，但原始数据并不是随机的。我的问题是，如何在预测(数据集)中“生成一个训练有素的估计器”？这是一个返回另一个函数的函数吗？哪种算法是基于如下数据集进行分类的理想方法：

​

Answer 1

这个任务可能需要您训练一个标准的scikit分类器模型并返回它，例如

from sklearn.svm import SVC
def predict(dataset):
    X = ... # features, extract from dataset
    y = ... # labels, extract from dataset
    clf = SVC() # create classifier
    clf.fit(X, y) # train
    return clf

尽管从函数(predict)的名称判断，您应该检查它是否真的希望您返回经过训练的分类器或返回给定dataset参数的预测，因为这将是更典型的。

作为一个分类器，你基本上可以使用任何你喜欢的。您的绘图看起来像是您的数据集是线性分离的(类没有颜色，但我假设blops是这两个类)。在线性可分离的数据上，几乎没有什么会失败。尝试SVMs，logistic回归，随机森林，朴素贝叶斯，.为了获得额外的乐趣，您可以尝试绘制决策边界，请参阅这里 (其中还包含可用分类器的概述)。

Answer 2

我建议你看看这个结构：

from random import shuffle
import matplotlib.pyplot as plt
# import a classifier you need


def get_data():
    # open your file and parse data to prepare X as a set of input vectors and Y as a set of targets
    return X, Y


def split_data(X, Y):
    size = len(X)
    indices = range(size)
    shuffle(indices)
    train_indices = indices[:size/2]
    test_indices = indices[size/2:]
    X_train = [X[i] for i in train_indices]
    Y_train = [Y[i] for i in train_indices]
    X_test = [X[i] for i in test_indices]
    Y_test = [Y[i] for i in test_indices]
    return X_train, Y_train, X_test, Y_test


def plot_scatter(Y1, Y2):
    plt.figure()
    plt.scatter(Y1, Y2, 'bo')
    plt.show()


# get data
X, Y = get_data()

# split data
X_train, Y_train, X_test, Y_test = split_data(X, Y)

# create a classifier as an object
classifier = YourImportedClassifier()

# train the classifier, after that the classifier is the trained estimator you need
classifier.train(X_train, Y_train) # or .fit(X_train, Y_train) or another train routine

# make a prediction
Y_prediction = classifier.predict(X_test)

# plot the scatter
plot_scatter(Y_prediction, Y_test)

Answer 3

我认为您正在寻找的是clf.fit()函数，而不是创建生成另一个函数的函数。