有监督学习之交叉验证

作者: 来个芒果 | 来源:发表于2017-05-02 20:43 被阅读0次

在有监督的机器学习算法中,为考察model的generalization ability,我们需要对model进行评估。为防止过拟合,不可以使用训练集数据进行模型评估,此时可以采取cross validation方法:将原始数据分为训练集、测试机

常见cross validation:

  • Handout validation 留出法
  • K-Fold validation k折交叉验证
  • Leave-one-out 留一法

一、我们先介绍handout:该方法为k-fold的特殊情况:

思想:

  • 将原始数据分为训练集、测试集,常见比例为0.8:0.2
  • 使用训练集训练模型
  • 使用测试集来评估模型
import numpy as np
from sklearn.linear_model import LogisticRegression

np.random.seed(8)
shuffled_index = np.random.permutation(admissions.index)
shuffled_admissions = admissions.loc[shuffled_index]
train = shuffled_admissions.iloc[0:515]
test = shuffled_admissions.iloc[515:len(shuffled_admissions)]

#make regression model using training data.
model=LogisticRegression()
model.fit(train[['gpa']],train['actual_label'])
test['predicted_label']=model.predict(test[['gpa']])

accuracy=len(test[(test['predicted_label']==test['actual_label'])])/len(test)
print(accuracy)

ROC曲线:

import matplotlib.pyplot as plt
from sklearn import metrics

probabilities = model.predict_proba(test[["gpa"]])
fpr, tpr, thresholds = metrics.roc_curve(test["actual_label"], probabilities[:,1])
plt.plot(fpr, tpr)

AUC:
在实际应用中,我们更关心的时TPR,即正确预测到正例的比率。为了对该模型进行更有效的评估,可以计算roc曲线下部的面积,即AUC,当auc越接近1时,我们说该模型的效果越好。

from sklearn.metrics import roc_auc_score

auc_score=roc_auc_score(test['actual_label'],probabilities[:,1])
print(auc_score)

二、K-Fold

原理:将原始数据分为k分,k-1份作为训练集,剩下的1份作为测试集,一次迭代;

下面给出简单的源码:
分割数据:

import pandas as pd

admissions = pd.read_csv("admissions.csv")
admissions["actual_label"] = admissions["admit"]
admissions = admissions.drop("admit", axis=1)

shuffled_index = np.random.permutation(admissions.index)
shuffled_admissions = admissions.loc[shuffled_index]
admissions = shuffled_admissions.reset_index()

admissions.ix[0:128,'fold']=1  #将0-128 row作为第1次iteration
admissions.ix[129:257,'fold']=2
admissions.ix[258:386,'fold']=3
admissions.ix[387:514,'fold']=4
admissions.ix[515:644,'fold']=5
admissions['fold']=admissions['fold'].astype(int)
print(admissions.head())
print(admissions.tail())

生成模型,对每个模型进行评估,最后计算平均准确率accuracy:

import numpy as np
fold_ids = [1,2,3,4,5]
lr=LogisticRegression()
def train_and_test(admissions,fold_ids):
    accuracies=[]
    for i in fold_ids:
        train_iteration=admissions[admissions['fold']!=i]
        test_iteration=admissions[admissions['fold']==i]
        # make model using training data set.
        lr.fit(train_iteration[['gpa']],train_iteration['actual_label'])
        #predicting test data set.
        test_iteration['labels']=lr.predict(test_iteration[['gpa']])
        iteration_accuracy=len(test_iteration[test_iteration['labels']==test_iteration['actual_label']])/len(test_iteration)
        accuracies.append(iteration_accuracy)
    return accuracies
accuracies=train_and_test(admissions,fold_ids)
print(accuracies)
average_accuracy=sum(accuracies)/len(fold_ids)
print(average_accuracy)

python中的sklearn库已经封装好了该方法,使用sklearn库完成:

from sklearn.cross_validation import KFold
from sklearn.cross_validation import cross_val_score
from sklearn.linear_model import LogisticRegression

admissions = pd.read_csv("admissions.csv")
admissions["actual_label"] = admissions["admit"]
admissions = admissions.drop("admit", axis=1)
kf=KFold(len(admissions),5,shuffle=True,random_state=8)

lr=LogisticRegression()
accuracies=cross_val_score(lr,admissions[['gpa']],admissions['actual_label'],scoring='accuracy',cv=kf)
average_accuracy=sum(accuracies)/len(accuracies)
print(accuracies)
print(average_accuracy)

注意:初始化KFold类并不会生成模型、预测数据,仅仅是对数据做了分组。
在进行线性/逻辑回归时常常使用交叉验证来评估模型。

如果是对于单变量模型--即特征只有一个,往往采用handout方法;
多余多变量模型--具有多个特征列,往往会采用kfold方法。

参考地址:https://zh.wikipedia.org/wiki/%E4%BA%A4%E5%8F%89%E9%A9%97%E8%AD%89

相关文章

  • 有监督学习之交叉验证

    在有监督的机器学习算法中,为考察model的generalization ability,我们需要对model进行...

  • 机器学习笔记(一)——交叉验证

    交叉验证问题 什么是交叉验证     交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证,顾名思义,...

  • 7 种交叉验证方法

    7 种交叉验证方法 在任何有监督机器学习项目的模型构建阶段,我们训练模型的目的是从标记的示例中学习所有权重和偏差的...

  • Keras使用精选

    参考文献 使用Keras进行LSTM实战 将时间序列预测问题转换为python中的监督学习问题 时间序列交叉验证 ...

  • 技巧 - 面试考点

    基础知识:1、什么是有监督/无监督算法?2、什么是过拟合/欠拟合,如何避免过拟合?3、什么是交叉验证,什么是bag...

  • 饭店流量预测

    lightgbm 模型 修改参数 交叉验证 【机器学习】Cross-Validation(交叉验证)详解. 在机器...

  • 如何进行变量筛选和特征选择(三)?交叉验证

    01 模型简介 交叉验证是机器学习中常用的一种验证和选择模型的方法,常用的交叉验证方法是K折交叉验证。将原始数据...

  • sklearn中交叉验证

    交叉验证概述 进行模型验证的一个重要目的是要选出一个最合适的模型,对于监督学习而言,我们希望模型对于未知数据的泛化...

  • 十一、交叉验证和网格搜索

    1交叉验证 1)评估方法一般有留出法,交叉验证法,自助法,这里我们介绍交叉验证法。2)k折交叉验证法:将数据集D划...

  • 深度学习知识点汇总-机器学习基础(15)

    2.15 交叉验证和k折交叉验证 交叉验证是为了提高模型的泛华能力。 方法主要有: 留一交叉验证 k折交叉验证 这...

网友评论

    本文标题:有监督学习之交叉验证

    本文链接:https://www.haomeiwen.com/subject/lcjhtxtx.html