Pandalarla birlikte Iris veri kümesinde SVM regresyonu nasıl kullanılır?

Question

Python'da makine öğrenmeyi ve scikit öğrenim paketini kullanmayı öğreniyorum. Bu amaçla R'yi zaten kullandım ve veri şeması strutunu çok kolay buldum. Scikit öğrenmek biraz zor buluyorum numpy dizi kullanır. Pitonda, R veri çerçevesine benzeyen pandalarımız var. Bu kod bu website'dan alınmıştır.

R

library(e1071) 
library(MASS) 
data(iris) 

mysvm <- svm(Species ~ ., iris) 
mysvm.pred <- predict(mysvm, iris) 
table(mysvm.pred,iris$Species) 
# mysvm.pred setosa versicolor virginica 
# setosa  50  0   0 
# versicolor 0  48   2 
# virginica 0  2   48 

Python

from sklearn import svm, datasets 
from sklearn.metrics import confusion_matrix 
iris = datasets.load_iris() 

mysvm = svm.SVC().fit(iris.data, iris.target) 
mysvm_pred = mysvm.predict(iris.data) 
print confusion_matrix(mysvm_pred, iris.target) 
# [[50 0 0] 
# [ 0 48 2] 
# [ 0 0 50]] 

Nasıl pandalar dataframe ile piton kodunun üzerinde kullanmak ve

Bu

EDITED SVM Regresyon kullanabilirsiniz ben

yaptıklarını olduğunu

from sklearn import svm, datasets 
from sklearn.metrics import confusion_matrix 
import pandas as pd 
iris = datasets.load_iris() 
X=pd.DataFrame(iris.data,columns=iris.feature_names) 
y=pd.DataFrame(iris.target) 
X.head() 
y.head() 
mysvm = svm.SVC().fit(X,y) 
mysvm_pred = mysvm.predict(X) 
print confusion_matrix(mysvm_pred, y) 

Ama onun Böyle çapraz doğrulama kullanabilirsiniz

>>> mysvm = svm.SVC().fit(X,y) 
/usr/local/lib/python2.7/dist-packages/sklearn/svm/base.py:514: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples,), for example using ravel(). 
    y_ = column_or_1d(y, warn=True) 
>>> mysvm_pred = mysvm.predict(X) 
>>> print confusion_matrix(mysvm_pred, y) 
/usr/local/lib/python2.7/dist-packages/numpy/core/fromnumeric.py:2645: VisibleDeprecationWarning: `rank` is deprecated; use the `ndim` attribute or function instead. To find the rank of a matrix see `numpy.linalg.matrix_rank`. 
    VisibleDeprecationWarning) 
[[50 0 0] 
[ 0 48 0] 
[ 0 2 50]] 

Answer 1

bu hatayı veren:

from sklearn import svm, datasets, cross_validation 
from sklearn import metrics 
import pandas as pd 

clf = svm.SVC() 
cv_scores = cross_validation.cross_val_score(clf,iris.data,iris.target,cv=10) 
cv_preds = cross_validation.cross_val_predict(clf,iris.data,iris.target,cv =10) 

Sana pandalar ile ne yapmak istediğinizi emin değilim, ama yüklemek istediğiniz takdirde bir pandalar dataframe için veri kümesi bunu şöyle yapabiliriz:

clf.fit(iris.data,iris.target) 
preds = clf.predict(iris.data) 

df = pd.DataFrame(iris.data) 
df['target'] = iris.target 
df['preds'] = preds 

print(df) 
print confusion_matrix(df['target'],df['preds']) 

doğruluğunu hesaplamak için:

accuracy = metrics.accuracy_score(iris.target, preds) 
print(accuracy)