作者 | Behic Guven
編譯 | VK
來源 | Towards Data Science
在這篇文章中，我將向你介紹一種稱為監督學習的機器學習方法。我將向你展示如何使用Scikit-learn構建kNN分類器模型。
這將是一個實踐演練，我們將能夠在實踐知識的同時學習。作為我們的分類器模型，我們將使用k-NN算法模型，這將在引言部分進行更多介紹。作為程式語言，我們將使用Python。
閱讀本教程後，你將更好地了解深度學習和監督學習模型的工作原理。
目錄監督學習深度學習是一門科學，它使計算機能夠在沒有明確編程的情況下從數據中得出結論。比如學會預測電子郵件是否是垃圾郵件。另一個很好的例子是通過觀察花的圖片將它們分為不同的類別。
在監督學習中，數據分為兩部分：特徵和目標變量。任務是通過觀察特徵變量來預測目標變量。監督學習可用於兩種不同的模型：分類和回歸
當目標變量是分類數據集時，可以使用分類模型。
當目標變量是連續值時，使用回歸模型。
庫在這一步中，我們將安裝本教程所需的庫。正如引言中提到深度學習lib庫的主要知識庫。除此之外，我們將安裝兩個簡單的庫，它們是NumPy和Matplotlib。使用PIP（python包管理器）可以很容易地安裝庫。
安裝庫進入終端窗口，開始安裝過程：
pip install scikit-learn現在讓我們安裝其他兩個庫：
pip install numpy matplotlib
導入庫很完美！現在讓我們將它們導入到我們的程序中，以便使用它們。我將在本教程中使用Jupyter Notebook。因此，我創建了一個新的Notebook並導入了以下庫模塊。
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np
了解數據在本練習中，我們將使用數字數據。它也被稱為MNIST。這是一個著名的數據開始建立一個監督學習模型。這個數據的好處是我們不必下載任何東西；它是隨我們先前安裝的sklearn模塊一起提供的。下面是如何加載數據集：
digits = datasets.load_digits()現在，讓我們試著對運行幾行的數據集有一些了解。
print(digits.keys)Bunch是一個提供屬性樣式訪問的Python字典。Bunch就像字典。
print(digits.DESCR)plt.imshow(digits.images[1010], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()
K近鄰分類器在庫步驟中，我們已經在庫步驟中導入了k-NN分類器模塊。所以，我們要做的就是在我們的數據集中使用它。這一步是在項目中使用sklearn模塊的一個很好的練習。因為我們正在進行監督學習，所以數據集必須被標記。這意味著在訓練數據時，我們也傳遞結果。
k-最近鄰算法（k-NN）是一種用於分類和回歸的非參數方法。在這兩種情況下，輸入由特徵空間中k個最近的訓練樣本組成。輸出取決於k-NN是用於分類還是回歸。」（參考：https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm)
特徵和目標變量我們從sklearn數據集導入的數字數據有兩個屬性，即data和target。我們首先將這些部分分配給我們的新變量。我們把特徵（數據）稱為X和標籤（目標）稱為y：
X = digits.data
y = digits.target
拆分數據接下來，我們將使用train_test_split方法來分割數據部分。與其對整個數據進行訓練，不如將其拆分為訓練和測試數據，以審查模型的準確性。這將在下一步更有意義，我們將看到如何使用一些方法改進預測。
#test size 是指將數據集中作為測試數據的比率，其餘將是訓練數據
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state=42, stratify=y)
定義分類器knn = KNeighborsClassifier(n_neighbors = 7)
擬合模型knn.fit(X_train, y_train)
準確度得分print(knn.score(X_test, y_test))我來給你看看這個分數是怎麼計算的。首先，我們使用knn模型對X_test特徵進行預測。然後與實際標籤進行比較。以下是在後臺實際計算準確度的方法：
y_pred = knn.predict(X_test)
number_of_equal_elements = np.sum(y_pred==y_test)
number_of_equal_elements/y_pred.shape[0]
過擬合與欠擬合以下是我在Amazon機器學習課程文檔中發現的模型過擬合和欠擬合的一個很好的解釋：
❝「當模型在訓練數據上表現不佳時，模型對訓練數據的擬合不足。這是因為模型無法捕獲輸入示例（特性）和目標值（標籤）之間的關係。當你看到模型在訓練數據上表現良好，但在評估數據上表現不佳時，該模型會過擬合你的訓練數據。這是因為模型正在記憶它所看到的數據，並且無法將其推廣到未看到的示例中。」（參考：https://docs.aws.amazon.com/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html)
❞現在，讓我們編寫一個for循環，它將幫助我們了解數據在不同的鄰居值中的表現。此函數還將幫助我們分析模型的最佳性能，這意味著更準確的預測。
neighbors = np.arange(1, 9)
train_accuracy = np.empty(len(neighbors))
test_accuracy = np.empty(len(neighbors))
for i, k in enumerate(neighbors):
# 定義knn分類器
knn = KNeighborsClassifier(n_neighbors = k)
# 將分類器與訓練數據相匹配
knn.fit(X_train, y_train)
# 在訓練集上計算準確度
train_accuracy[i] = knn.score(X_train, y_train)
# 在測試集上計算準確度
test_accuracy[i] = knn.score(X_test, y_test)現在，讓我們用圖形表示結果：
plt.title('k-NN: Performance by Number of Neighbors')
plt.plot(neighbors, test_accuracy, label = 'Testing Accuracy')
plt.plot(neighbors, train_accuracy, label = 'Training Accuracy')
plt.legend()
plt.xlabel('# of Neighbors')
plt.ylabel('Accuracy')
plt.show()這個圖證明了更多的鄰居並不總是意味著更好的性能。當然，這主要取決於模型和數據。在我們的例子中，正如我們所看到的，1-3個鄰居準確度是最高的。之前，我們用7個鄰居訓練了knn模型，得到了0.983的準確度。所以，現在我們知道我們的模型在兩個鄰居的情況下表現更好。讓我們重新訓練我們的模型，看看我們的預測將如何改變。
knn = KNeighborsClassifier(n_neighbors = 2)
knn.fit(X_train, y_train)
print(knn.score(X_test, y_test))
結論很完美！你已經使用scikit learn模塊創建了一個監督學習分類器。我們還學習了如何檢查分類器模型的性能。我們還學習了過擬合和欠擬合，這使我們能夠改進預測。深度學習是如此有趣和神奇。我將分享更多深入學習的文章。敬請期待！
掃碼看好書，滿100減50超值優惠活動等你哦
✄---看到這裡，說明你喜歡這篇文章，請點擊「在看」或順手「轉發」「點讚」。
歡迎微信搜索「panchuangxx」，添加小編磐小小仙微信，每日朋友圈更新一篇高質量推文（無廣告），為您提供更多精彩內容。