初探機器學習

Machine Learning Intro

講師介紹

決策樹

Decision Tree

利用歷史資料來決定樹要怎麼分組和每組的值，這步驟稱為擬合(fitting)或訓練(training)模型

而其中用來訓練模型的歷史資料稱為
訓練資料(training data)

增進決策樹

使用更多的變因，來讓決策樹有更多分支，也可以稱為更深的決策樹

樹葉
預測數值的地方

數據處理

Data Processing

下載pandas套件

在cmd打上 pip install pandas

怎麼使用?

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

print(melbourne_data.describe())

測試用檔案

output

count 有幾行值
mean 平均
std 標準差
min 最小值
25% PR25
50% PR50
75% PR75
max 最大值

資料概述

第一個機器學習模型

First Machine Learning Model

sklearn下載

在cmd打上 pip install scikit-learn

1

選擇訓練模型的資料

2

選擇要用的特徵

3

選擇要用的模型

5

用訓練好的模型來預測結果

4

用訓練資料來訓練模型

6

為結果評分

選擇訓練模型的資料

前面pandas用到的檔案

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

去除沒有用的資料

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

選定預測的目標

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

選擇要用的特徵

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

選擇要用的模型

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

利用訓練資料訓練模型

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

melbourne_model.fit(X, y)

預測結果

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

melbourne_model.fit(X, y)

predict = melbourne_model.predict(X.head())

加上結果輸出

import pandas

melbourne_data = pandas.read_csv("melb_data.csv")

#print(melbourne_data.columns)

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

#print(X.describe())
#print(X.head())

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

melbourne_model.fit(X, y)

predict = melbourne_model.predict(X.head())

print(predict)

驗證模型

Model Validation

簡單來說就是模型預測的正確程度

平均絕對誤差

錯誤 = |實際值 - 預測值|

實作

from sklearn.metrics import mean_absolute_error

predicted_home_prices = melbourne_model.predict(X)
mean_absolute_error(y, predicted_home_prices)

前面是不是哪裡怪怪的

使用樣本內的資料來測預測誤差

就等於你用作業裡的題目來出段考題目

將資料分為測試資料和驗證資料

from sklearn.model_selection import train_test_split

train_X, val_X, train_y, val_y = train_test_split(X, y, random_state = 0)

過適&乏適

Overfitting&Underfitting

樹有很多層，導致每層只有少量的房子，因此無法準確預測價格

過適

樹只有一層，完全沒辦法把房子分類來預測價格

乏適

過適vs乏適

解決辦法

DecisionTreeRegressor(max_leaf_nodes=counts, random_state=0)

實作練習

測試要用哪種最大樹葉深度才會有最好的結果

隨機森林

Random Forests

生成很多棵樹，最後對每個樹的預測結果取平均

使用方法

from sklearn.ensemble import RandomForestRegressor

forest_model = RandomForestRegressor(random_state=1)

恭喜你已經學完最基礎的機器學習模型 - 決策樹&隨機森林

接下來你可以學...

延伸學習

初探機器學習

By Howie Chen

Made with Slides.com

初探機器學習

初探機器學習

  • 222

More from Howie Chen