Python -机器学习

Question

目前，我正试图了解机器学习算法的工作方式，但有一件事我并没有真正理解，那就是预测标签的计算精度与视觉混淆矩阵之间的明显差异。我会尽量解释清楚。

这里是数据集的片段(在这里您可以看到9个样本(在实际数据集中约为4k )、6个特性和9个标签(它们不代表数字，但有些含义不能比较，比如7>4>1)：

f1      f2      f3      f4      f5    f6   label
89.18   0.412   9.1     24.17   2.4   1    1
90.1    0.519   14.3    16.555  3.2   1    2
83.42   0.537   13.3    14.93   3.4   1    3
64.82   0.68    9.1     8.97    4.5   2    4
34.53   0.703   4.9     8.22    3.5   2    5
87.19   1.045   4.7     5.32    5.4   2    6
43.23   0.699   14.9    12.375  4.0   2    7
43.29   0.702   7.3     6.705   4.0   2    8
20.498  1.505   1.321   6.4785  3.8   2    9

出于好奇心，我尝试了许多算法(线性，高斯，支持向量机(SVC，SVR)，贝叶斯等)。就我所理解的手册而言，在我的例子中，最好使用分类器(离散)，而不是回归(连续)。使用公共：

model.fit(X_train, y_train) 
model.score(X_test, y_test)

我得到了：

Lin_Reg: 0.855793988736
Log_Reg: 0.463251670379
DTC:     0.400890868597
KNC:     0.41425389755
LDA:     0.550111358575
Gaus_NB: 0.391982182628
Bay_Rid: 0.855698151574
SVC:     0.483296213808
SVR:     0.647914795849

连续算法取得了较好的效果。当我为Bayesian使用混淆矩阵(必须将浮点数转换为整数)以验证其结果时，我得到了以下结果：

Pred  l1   l2   l3   l4   l5   l6   l7   l8   l9
True
l1    23,  66,  0,   0,   0,   0,   0,   0,   0
l2    31,  57   1,   0,   0,   0,   0,   0,   0
l3    13,  85,  19   0,   0,   0,   0,   0,   0
l4    0,   0,   0,   0    1,   6,   0,   0,   0
l5    0,   0,   0,   4,   8    7,   0,   0,   0
l6    0,   0,   0,   1,   27,  36   7,   0,   0
l7    0,   0,   0,   0,   2,   15,  0    0,   0
l8    0,   0,   0,   1,   1,   30,  8,   0    0
l9    0,   0,   0,   1,   0,   9,   1,   0,   0

是什么让我明白，85%的准确率是错误的。这怎么解释呢？这是因为浮点/int转换吗？

会感谢任何直接的回答/链接等。

Answer 1

您在这里混合了两个非常不同的机器学习概念:回归和分类。回归通常处理连续值，例如温度或股票市值。另一方面，分类可以告诉你哪些鸟种在记录中--这正是你使用混淆矩阵的地方。它会告诉你算法正确预测标签的次数以及它在哪里出错。您正在使用的SciPy有两个单独的部分。

对于分类和回归问题，您可以使用不同的度量来对它们进行评分，所以永远不要假设它们是可比较的。正如@javad所指出的，“决定系数”与准确性有很大的不同。我还建议在查准率与召回上阅读。

在您的情况下，您显然存在分类问题，因此应该对其进行处理。另外，请注意，f6看起来像是有一组离散的值。

如果您想要快速地尝试不同的方法，我可以推荐H2O，它旁边有很好的用户界面，可以进行大规模的并行处理。XGBoost也是优秀的。

Answer 2

请看一下文档这里。

如果在回归方法上调用score()，它们将返回“预测的决定系数R^2”，而不是精度。

Answer 3

看看这。

使用"model.score(X_test，y_test)“。