Cómo cargar datos en un modelo de aprendizaje supervisado svm
Para el análisis predictivo, es necesario cargar los datos para sus algoritmos a utilizar. Cargando el conjunto de datos Iris en scikit es tan simple como la emisión de un par de líneas de código, porque scikit ya ha creado una función para cargar el conjunto de datos.
| Sépalo Longitud | Sépalo Ancho | Pétalo Longitud | Pétalo Ancho | Clase Objetivo / Label |
|---|---|---|---|---|
| 5.1 | 3.5 | 1.4 | 0.2 | Setosa (0) |
| 7.0 | 3.2 | 4.7 | 1.4 | Versicolor (1) |
| 6.3 | 3.3 | 6.0 | 2.5 | Virginica (2) |
Abra una nueva sesión de shell interactivo de Python.
Utilice una nueva sesión de Python, así que no es algo que queda en la memoria y tiene un borrón y cuenta nueva para trabajar.
Escriba el siguiente código en el símbolo y observar la salida:
>>> From sklearn.datasets importar load_iris >>> iris = load_iris ()
Después de ejecutar esas dos declaraciones, no debería ver los mensajes de la intérprete. La variable iris debe contener todos los datos de la iris.csv archivo.
Antes de crear un modelo predictivo, es importante entender un poco sobre la nueva variable iris y lo que puede hacer con él. Esto hace que el código sea más fácil de seguir y el proceso mucho más simple de entender. Usted puede inspeccionar el valor de iris escribiendo en el intérprete.
>>> Iris
La salida será todo el contenido de la iris.csv archivo, junto con alguna otra información sobre el conjunto de datos que el load_iris función de carga en la variable. La variable es una estructura de datos diccionario con cuatro propiedades principales. Las propiedades importantes de iris se enumeran a continuación.
| Nombre de la propiedad | Descripción |
|---|---|
| datos | Contiene todas las medidas de las observaciones. |
| feature_name | Contiene el nombre de la función (nombre del atributo). |
| objetivo | Contiene todos los objetivos (etiquetas) de las observaciones. |
| target_names | Contiene los nombres de las clases. |
Puede imprimir los valores en el intérprete escribiendo el nombre de la variable seguida de punto seguido de nombre de la propiedad. Un ejemplo es el uso iris.data para acceder a la propiedad de iris, Me gusta esto:
>>> Iris.data
Esta es una manera estándar de acceder a las propiedades de un objeto en muchos lenguajes de programación.
Para crear una instancia del clasificador SVM, escriba el código siguiente en el intérprete:
>>> From sklearn.svm importación LinearSVC >>> svmClassifier = LinearSVC (random_state = 111)
La primera línea de código importa la Lineal SVC biblioteca en la sesión. El Apoyo Vector clasificador lineal (SVC) es una implementación de SVM para la clasificación lineal y tiene soporte multi-clase. El conjunto de datos es algo linealmente separables y tiene tres clases, por lo que sería una buena idea experimentar con Lineal SVC para ver cómo se realiza.
La segunda línea crea la instancia utilizando la variable svmClassifier. Esta es una variable importante para recordar. los random_estado parámetro le permite reproducir estos ejemplos y obtener los mismos resultados. Si usted no puso en el aleatorio_estado parámetros, los resultados pueden ser diferentes de los que se muestran aquí.
-
Conceptos básicos de los modelos de clasificación de las predicciones analíticas - Cómo crear y ejecutar un modelo de aprendizaje no supervisado para hacer predicciones con k-medias
-
Cómo crear un modelo de aprendizaje no supervisado con DBSCAN -
Cómo crear un modelo de aprendizaje supervisado con regresión logística - Cómo preparar los datos para el análisis predictivo
- Cómo ejecutar los datos de prueba y evaluar un modelo de aprendizaje supervisado svm
Cómo ejecutar datos de entrenamiento en un modelo de aprendizaje supervisado svm Antes de que pueda alimentar el clasificador Apoyo Vector Machine (SVM) con los datos que se cargan durante el análisis predictivo, debe dividir el conjunto de datos completo en un conjunto de entrenamiento y de prueba.Afortunadamente, scikit-learn…
Cómo visualizar el clasificador en un SVM aprendizaje supervisado modelo El conjunto de datos del iris no es fácil representar gráficamente para el análisis predictivo en su forma original porque no se puede trazar las cuatro coordenadas (de las características) del conjunto de datos en una pantalla bidimensional.…
Cómo visualizar las agrupaciones en un k-significa modelo de aprendizaje no supervisado El conjunto de datos del iris no es fácil representar gráficamente para el análisis predictivo en su forma original. Por lo tanto usted tiene que reducir el número de dimensiones mediante la aplicación de un algoritmo de reducción de…
Cómo agregar campos calculados a los datos en r Después de crear el subconjunto apropiado de sus datos, el siguiente paso en el análisis es probable que sea para realizar algunos cálculos con R.Cómo hacer aritmética en columnas de una trama de datosR hace que sea muy fácil de realizar…
¿Cómo añadir filas y columnas totales en I Una de las tareas que puede hacer con frecuencia en una hoja de cálculo que también se puede hacer en I es el cálculo de fila o columna de totales. La forma más sencilla de hacerlo es utilizar las funciones rowSums () y colSums ().Del mismo…
Cómo calcular las correlaciones de datos en r La cantidad en la que dos variables de datos varían juntos puede ser descrita por el coeficiente de correlación. En R, se obtiene la correlación entre un conjunto de variables muy fácilmente mediante el uso de la cor () función. Sólo tiene que…
Cómo obtener sus datos de r Por la misma razón por la que es conveniente para importar datos en R utilizando CSV (valores separados por comas) archivos, también es conveniente para exportar los resultados de R para otras aplicaciones en formato CSV. Para crear un archivo…
Cómo manipular archivos en r De vez en cuando, es posible que desee escribir un guión en I que atravesar una carpeta determinada y realizar acciones en todos los datos en los archivos o un subconjunto de archivos en esa carpeta.Para obtener una lista de los archivos en una…
¿Cómo eliminar datos duplicados en r Una aplicación muy útil de subconjuntos de datos es encontrar y eliminar valores duplicados. R tiene una función útil, duplicado (), que encuentra valores duplicados y devuelve un vector lógico que indica si el valor específico es un duplicado…
Cómo subconjunto tramas de datos en r Ahora que ha revisado las reglas para la creación de subconjuntos, puede probar con algunas tramas de datos en R. Sólo tienes que recordar que una trama de datos es un objeto bidimensional y contiene filas, así como columnas. Esto significa que…
Cómo realizar el seguimiento correlaciones de datos en r Estadísticos encanta cuando se puede vincular una variable de datos a otro. R puede ayudar a encontrar esta relación. Luz del sol, por ejemplo, es perjudicial para las faldas: Cuanto más tiempo el sol brilla, las faldas más cortas convertirse.…
Cómo recorrer una lista o datos de trama con r aplicar funciones Cuando los datos están en la forma de una lista, y desea realizar cálculos en cada elemento de esa lista en R, la adecuada aplicar función es lapply (). Por ejemplo, para obtener la clase de cada elemento de la iris, Haz lo siguiente:> Lapply…