分类器：
随机森林分类器(RandomForest):包含多个决策树的分类器，每一个子分类器都是一颗CART分类器。
RandomForestClassifier()
随即森林参数含义.png
GridSearchTV工具对模型参数进行调优：
它是python的自动参数搜索模块，只要给它参数取值范围，它可以自动跑一边所有的参数，并且告诉我们最优参数是什么。
代码：
from sklearn.model_selection import GridSearchCV
参数含义.png
使用管道机制流水线线作业：
当模型需要，数据规范化处理、PCA方法对数据进行数据降维，等步骤时，便可以穿件Pipeline流水线。
from sklearn.model_selection import GridSearchCV
pipeline = Pipeline([
('scaler', StandardScaler()),
('pca', PCA()),
('randomforestclassifier', RandomForestClassifier())
])
代码步骤：
1、数据导入与数据探索
2、数据清洗、特征选择、训练集与测试集选择
3、构造四个分类器、四个名称、四个参数及取值范围（字典或列表形式），以列表的形式存在
4、函数，带入自动筛选函数，参数为管道执行顺序，测试训练值，以及变化参数
5、用for 循环解封分类器、参数……列表，并管道执行数据标准化，分类器创建
# 查看信用卡违约率
import pandas as pd
from sklearn.model_selection import learning_curve,train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.metrics import accuracy_score
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
import seaborn as sns
#1、数据探索
data=pd.read_csv('E:/数据学习网站/credit_default-master/UCI_Credit_Card.csv')
# print(data.head(5))
# print(data.describe())
# print(data.shape)
next_month=data['default.payment.next.month'].value_counts()#统计个数
# print(next_month)
df=pd.DataFrame({'default.payment.next.month':next_month.index,'values':next_month.values})#将统计数据设置成pandas格式
# print(df)
# 可视化
# plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文
# plt.figure(figsize=(6,6))#图形大小
# plt.title('信用卡违约率客户\n（违约：1，守约：0）')#图形标题
# sns.set_color_codes('pastel')#图形颜色
# sns.barplot(x='default.payment.next.month',y='values',data=df)
# locs,labels=plt.xticks()
# plt.show()
#2、数据清洗、特征选择
data.drop(['ID'],inplace=True,axis=1)#除去没用的ID
target=data['default.payment.next.month'].values#结果
columns=data.columns.tolist()
columns.remove('default.payment.next.month')#移除结果栏
features=data[columns].values
train_x,test_x,train_y,test_y=train_test_split(features,target,test_size=0.3,stratify=target,random_state=1)#一般来说0.3用来测试
# 3、构造各种分类器，四个分类器，以列表的形式存在
classifiers=[
SVC(random_state=1,kernel='rbf'),
DecisionTreeClassifier(random_state=1,criterion='gini'),
RandomForestClassifier(random_state=1,criterion='gini'),
KNeighborsClassifier(metric='minkowski')
]
# 4、分类器名称
classifier_names=[
'svc',
'decisiontreeclassifier',
'randomforestclassifier',
'kneighborsclassifier'
]
# 5、分类器参数
classifier_param_grid = [
{'svc__C': [1], 'svc__gamma': [0.01]},
{'decisiontreeclassifier__max_depth': [6, 9, 11]},
{'randomforestclassifier__n_estimators': [3, 5, 6]},
{'kneighborsclassifier__n_neighbors': [4, 6, 8]},
]
#6、函数，带入自动筛选函数，参数为管道执行顺序，测试训练值，以及变化参数
def GridSearchCV_work(pipeline,train_x,train_y,test_x,test_y,param_grid,score='accuracy'):
response={}
gridsearch=GridSearchCV(estimator=pipeline,param_grid=param_grid,scoring=score)
gridsearch.fit(train_x,train_y)
print('最优参数为:',gridsearch.best_params_)
print('最优分数为:',gridsearch.best_score_)
predict_y=gridsearch.predict(test_x)
print('准确率为：',accuracy_score(test_y,predict_y))
response['predict_y']=predict_y
response['accuracy_score']=accuracy_score(test_y,predict_y)
return response
#7、用for 循环解封分类器、参数……列表，并管道执行数据标准化，分类器创建
for model,model_name,model_param_grid in zip(classifiers,classifier_names,classifier_param_grid):
pipeline=Pipeline([
('scaler',StandardScaler()),
(model_name,model)
])
result=GridSearchCV_work(pipeline,train_x,train_y,test_x,test_y,model_param_grid,score='accuracy')
结果：
最优参数为: {'svc__C': 1, 'svc__gamma': 0.01}
最优分数为: 0.8173809523809524
准确率为： 0.8172222222222222
最优参数为: {'decisiontreeclassifier__max_depth': 6}
最优分数为: 0.8186190476190476
准确率为： 0.8113333333333334
最优参数为: {'randomforestclassifier__n_estimators': 6}
最优分数为: 0.7998095238095239
准确率为： 0.7994444444444444
最优参数为: {'kneighborsclassifier__n_neighbors': 8}
最优分数为: 0.804047619047619
准确率为： 0.8035555555555556
可以看出，各个分类器的最优结果和最优的参数。
数据来源：
我们现在来做一个信用卡违约率的项目，这个数据集你可以从 GitHub 上下载：https://github.com/cystanford/credit_default。
网友评论