黄色成人在线看,美女网黄射,亚洲第一网站,三级黄毛片,国产精品久久久久久苍井空,黄色三级黄色毛片,台湾成人国产,苍井空在厨房被C的A片

??我的小冊(cè) 45章教程:(小白零基礎(chǔ)用Python量化股票分析小冊(cè)) ,原價(jià)299，限時(shí)特價(jià)2杯咖啡，滿100人漲10元。

轉(zhuǎn)自：網(wǎng)絡(luò)

一、使用sklearn數(shù)據(jù)挖掘

1.數(shù)據(jù)挖掘的步驟

數(shù)據(jù)挖掘通常包括數(shù)據(jù)采集，數(shù)據(jù)分析，特征工程，訓(xùn)練模型，模型評(píng)估等步驟。顯然，這不是巧合，這正是sklearn的設(shè)計(jì)風(fēng)格。我們能夠更加優(yōu)雅地使用sklearn進(jìn)行特征工程和模型訓(xùn)練工作。此時(shí)，不妨從一個(gè)基本的數(shù)據(jù)挖掘場(chǎng)景入手：

我們使用sklearn進(jìn)行虛線框內(nèi)的工作（sklearn也可以進(jìn)行文本特征提取）。通過(guò)分析sklearn源碼，我們可以看到除訓(xùn)練，預(yù)測(cè)和評(píng)估以外，處理其他工作的類都實(shí)現(xiàn)了3個(gè)方法：fit、transform和fit_transform。從命名中可以看到，fit_transform方法是先調(diào)用fit然后調(diào)用transform，我們只需要關(guān)注fit方法和transform方法即可。

transform方法主要用來(lái)對(duì)特征進(jìn)行轉(zhuǎn)換。從可利用信息的角度來(lái)說(shuō)，轉(zhuǎn)換分為無(wú)信息轉(zhuǎn)換和有信息轉(zhuǎn)換。無(wú)信息轉(zhuǎn)換是指不利用任何其他信息進(jìn)行轉(zhuǎn)換，比如指數(shù)、對(duì)數(shù)函數(shù)轉(zhuǎn)換等。

有信息轉(zhuǎn)換從是否利用目標(biāo)值向量又可分為無(wú)監(jiān)督轉(zhuǎn)換和有監(jiān)督轉(zhuǎn)換。無(wú)監(jiān)督轉(zhuǎn)換指只利用特征的統(tǒng)計(jì)信息的轉(zhuǎn)換，統(tǒng)計(jì)信息包括均值、標(biāo)準(zhǔn)差、邊界等等，比如標(biāo)準(zhǔn)化、PCA法降維等。

有監(jiān)督轉(zhuǎn)換指既利用了特征信息又利用了目標(biāo)值信息的轉(zhuǎn)換，比如通過(guò)模型選擇特征、LDA法降維等。通過(guò)總結(jié)常用的轉(zhuǎn)換類，我們得到下表：

不難看到，只有有信息的轉(zhuǎn)換類的fit方法才實(shí)際有用，顯然fit方法的主要工作是獲取特征信息和目標(biāo)值信息，在這點(diǎn)上，fit方法和模型訓(xùn)練時(shí)的fit方法就能夠聯(lián)系在一起了：都是通過(guò)分析特征和目標(biāo)值，提取有價(jià)值的信息，對(duì)于轉(zhuǎn)換類來(lái)說(shuō)是某些統(tǒng)計(jì)量，對(duì)于模型來(lái)說(shuō)可能是特征的權(quán)值系數(shù)等。

另外，只有有監(jiān)督的轉(zhuǎn)換類的fit和transform方法才需要特征和目標(biāo)值兩個(gè)參數(shù)。fit方法無(wú)用不代表其沒(méi)實(shí)現(xiàn)，而是除合法性校驗(yàn)以外，其并沒(méi)有對(duì)特征和目標(biāo)值進(jìn)行任何處理，Normalizer的fit方法實(shí)現(xiàn)如下：

   
    def fit(self, X, y=None):        
    
"""Do nothing and return the estimator unchanged        
This method is just there to implement the usual API and hence        
work in pipelines."""        
    
  X = check_array(X, accept_sparse='csr')        
    
  return self

基于這些特征處理工作都有共同的方法，那么試想可不可以將他們組合在一起？在本文假設(shè)的場(chǎng)景中，我們可以看到這些工作的組合形式有兩種：流水線式和并行式。

基于流水線組合的工作需要依次進(jìn)行，前一個(gè)工作的輸出是后一個(gè)工作的輸入；基于并行式的工作可以同時(shí)進(jìn)行，其使用同樣的輸入，所有工作完成后將各自的輸出合并之后輸出。sklearn提供了包pipeline來(lái)完成流水線式和并行式的工作。

2. 數(shù)據(jù)初貌

在此，我們?nèi)匀皇褂肐RIS數(shù)據(jù)集來(lái)進(jìn)行說(shuō)明。為了適應(yīng)提出的場(chǎng)景，對(duì)原數(shù)據(jù)集需要稍微加工：

   
    ffrom numpy import hstack, vstack, array, median, nan
    
from numpy.random import choice
    
from sklearn.datasets import load_iris
    

    
iris = load_iris()
    

    
#特征矩陣加工
    
#使用vstack增加一行含缺失值的樣本(nan, nan, nan, nan)
    
#使用hstack增加一列表示花的顏色（0-白、1-黃、2-紅），花的顏色是隨機(jī)的，意味著顏色并不影響花的分類
    
iris.data = hstack((choice([0, 1, 2], size=iris.data.shape[0]+1).reshape(-1,1), vstack((iris.data, array([nan, nan, nan, nan]).reshape(1,-1)))))
    
#目標(biāo)值向量加工
    
#增加一個(gè)目標(biāo)值，對(duì)應(yīng)含缺失值的樣本，值為眾數(shù)
    
iris.target = hstack((iris.target, array([median(iris.target)])))

3.關(guān)鍵技術(shù)

并行處理，流水線處理，自動(dòng)化調(diào)參，持久化是使用sklearn優(yōu)雅地進(jìn)行數(shù)據(jù)挖掘的核心。并行處理和流水線處理將多個(gè)特征處理工作，甚至包括模型訓(xùn)練工作組合成一個(gè)工作（從代碼的角度來(lái)說(shuō)，即將多個(gè)對(duì)象組合成了一個(gè)對(duì)象）。

在組合的前提下，自動(dòng)化調(diào)參技術(shù)幫我們省去了人工調(diào)參的反鎖。訓(xùn)練好的模型是貯存在內(nèi)存中的數(shù)據(jù)，持久化能夠?qū)⑦@些數(shù)據(jù)保存在文件系統(tǒng)中，之后使用時(shí)無(wú)需再進(jìn)行訓(xùn)練，直接從文件系統(tǒng)中加載即可。

二、并行處理

并行處理使得多個(gè)特征處理工作能夠并行地進(jìn)行。根據(jù)對(duì)特征矩陣的讀取方式不同，可分為整體并行處理和部分并行處理。整體并行處理，即并行處理的每個(gè)工作的輸入都是特征矩陣的整體；部分并行處理，即可定義每個(gè)工作需要輸入的特征矩陣的列。

1.整體并行處理

pipeline包提供了FeatureUnion類來(lái)進(jìn)行整體并行處理：

   
    from numpy import log1p
    
from sklearn.preprocessing import FunctionTransformer
    
from sklearn.preprocessing import Binarizer
    
from sklearn.pipeline import FeatureUnion
    

    
#新建將整體特征矩陣進(jìn)行對(duì)數(shù)函數(shù)轉(zhuǎn)換的對(duì)象
    
step2_1 = ('ToLog', FunctionTransformer(log1p))
    
#新建將整體特征矩陣進(jìn)行二值化類的對(duì)象
    
step2_2 = ('ToBinary', Binarizer())
    
#新建整體并行處理對(duì)象
    
#該對(duì)象也有fit和transform方法，fit和transform方法均是并行地調(diào)用需要并行處理的對(duì)象的fit和transform方法
    
#參數(shù)transformer_list為需要并行處理的對(duì)象列表，該列表為二元組列表，第一元為對(duì)象的名稱，第二元為對(duì)象
    
step2 = ('FeatureUnion', FeatureUnion(transformer_list=[step2_1, step2_2]))

2.部分并行處理

整體并行處理有其缺陷，在一些場(chǎng)景下，我們只需要對(duì)特征矩陣的某些列進(jìn)行轉(zhuǎn)換，而不是所有列。pipeline并沒(méi)有提供相應(yīng)的類（僅OneHotEncoder類實(shí)現(xiàn)了該功能），需要我們?cè)贔eatureUnion的基礎(chǔ)上進(jìn)行優(yōu)化：

   
    from sklearn.pipeline import FeatureUnion, _fit_one_transformer, _fit_transform_one, _transform_one 
    
from sklearn.externals.joblib import Parallel, delayed
    
from scipy import sparse
    
import numpy as np
    
 
    
#部分并行處理，繼承FeatureUnion
    
class FeatureUnionExt(FeatureUnion):
    
     #相比FeatureUnion，多了idx_list參數(shù)，其表示每個(gè)并行工作需要讀取的特征矩陣的列
    
     def __init__(self, transformer_list, idx_list, n_jobs=1, transformer_weights=None):
    
         self.idx_list = idx_list
    
         FeatureUnion.__init__(self, transformer_list=map(lambda trans:(trans[0], trans[1]), transformer_list), n_jobs=n_jobs, transformer_weights=transformer_weights)
    
 
    
     #由于只部分讀取特征矩陣，方法fit需要重構(gòu)
    
     def fit(self, X, y=None):
    
         transformer_idx_list = map(lambda trans, idx:(trans[0], trans[1], idx), self.transformer_list, self.idx_list)
    
         transformers = Parallel(n_jobs=self.n_jobs)(
    
             #從特征矩陣中提取部分輸入fit方法
    
             delayed(_fit_one_transformer)(trans, X[:,idx], y)
    
             for name, trans, idx in transformer_idx_list)
    
         self._update_transformer_list(transformers)
    
         return self
    
 
    
     #由于只部分讀取特征矩陣，方法fit_transform需要重構(gòu)
    
     def fit_transform(self, X, y=None, **fit_params):
    
         transformer_idx_list = map(lambda trans, idx:(trans[0], trans[1], idx), self.transformer_list, self.idx_list)
    
         result = Parallel(n_jobs=self.n_jobs)(
    
             #從特征矩陣中提取部分輸入fit_transform方法
    
             delayed(_fit_transform_one)(trans, name, X[:,idx], y,
    
                                         self.transformer_weights, **fit_params)
    
             for name, trans, idx in transformer_idx_list)
    
 
    
         Xs, transformers = zip(*result)
    
         self._update_transformer_list(transformers)
    
         if any(sparse.issparse(f) for f in Xs):
    
             Xs = sparse.hstack(Xs).tocsr()
    
         else:
    
             Xs = np.hstack(Xs)
    
         return Xs
    
 
    
     #由于只部分讀取特征矩陣，方法transform需要重構(gòu)
    
     def transform(self, X):
    
         transformer_idx_list = map(lambda trans, idx:(trans[0], trans[1], idx), self.transformer_list, self.idx_list)
    
         Xs = Parallel(n_jobs=self.n_jobs)(
    
             #從特征矩陣中提取部分輸入transform方法
    
             delayed(_transform_one)(trans, name, X[:,idx], self.transformer_weights)
    
             for name, trans, idx in transformer_idx_list)
    
         if any(sparse.issparse(f) for f in Xs):
    
             Xs = sparse.hstack(Xs).tocsr()
    
         else:
    
             Xs = np.hstack(Xs)
    
         return Xs

在本文提出的場(chǎng)景中，我們對(duì)特征矩陣的第1列（花的顏色）進(jìn)行定性特征編碼，對(duì)第2、3、4列進(jìn)行對(duì)數(shù)函數(shù)轉(zhuǎn)換，對(duì)第5列進(jìn)行定量特征二值化處理。使用FeatureUnionExt類進(jìn)行部分并行處理的代碼如下：

   
    from numpy import log1p
    
from sklearn.preprocessing import OneHotEncoder
    
from sklearn.preprocessing import FunctionTransformer
    
from sklearn.preprocessing import Binarizer
    

    
#新建將部分特征矩陣進(jìn)行獨(dú)熱編碼的對(duì)象
    
step2_1 = ('OneHotEncoder', OneHotEncoder(sparse=False))
    
#新建將部分特征矩陣進(jìn)行對(duì)數(shù)函數(shù)轉(zhuǎn)換的對(duì)象
    
step2_2 = ('ToLog', FunctionTransformer(log1p))
    
#新建將部分特征矩陣進(jìn)行二值化類的對(duì)象
    
step2_3 = ('ToBinary', Binarizer())
    
#新建部分并行處理對(duì)象
    
#參數(shù)transformer_list為需要并行處理的對(duì)象列表，該列表為二元組列表，第一元為對(duì)象的名稱，第二元為對(duì)象
    
#參數(shù)idx_list為相應(yīng)的需要讀取的特征矩陣的列
    
step2 = ('FeatureUnionExt', FeatureUnionExt(transformer_list=[step2_1, step2_2, step2_3], idx_list=[[0], [1, 2, 3], [4]]))

三、流水線處理

pipeline包提供了Pipeline類來(lái)進(jìn)行流水線處理。流水線上除最后一個(gè)工作以外，其他都要執(zhí)行fit_transform方法，且上一個(gè)工作輸出作為下一個(gè)工作的輸入。

最后一個(gè)工作必須實(shí)現(xiàn)fit方法，輸入為上一個(gè)工作的輸出；但是不限定一定有transform方法，因?yàn)榱魉€的最后一個(gè)工作可能是訓(xùn)練！

根據(jù)本文提出的場(chǎng)景，結(jié)合并行處理，構(gòu)建完整的流水線的代碼如下：

   
    from numpy import log1p
    
from sklearn.preprocessing import Imputer
    
from sklearn.preprocessing import OneHotEncoder
    
from sklearn.preprocessing import FunctionTransformer
    
from sklearn.preprocessing import Binarizer
    
from sklearn.preprocessing import MinMaxScaler
    
from sklearn.feature_selection import SelectKBest
    
from sklearn.feature_selection import chi2
    
from sklearn.decomposition import PCA
    
from sklearn.linear_model import LogisticRegression
    
from sklearn.pipeline import Pipeline
    

    
#新建計(jì)算缺失值的對(duì)象
    
step1 = ('Imputer', Imputer())
    
#新建將部分特征矩陣進(jìn)行定性特征編碼的對(duì)象
    
step2_1 = ('OneHotEncoder', OneHotEncoder(sparse=False))
    
#新建將部分特征矩陣進(jìn)行對(duì)數(shù)函數(shù)轉(zhuǎn)換的對(duì)象
    
step2_2 = ('ToLog', FunctionTransformer(log1p))
    
#新建將部分特征矩陣進(jìn)行二值化類的對(duì)象
    
step2_3 = ('ToBinary', Binarizer())
    
#新建部分并行處理對(duì)象，返回值為每個(gè)并行工作的輸出的合并
    
step2 = ('FeatureUnionExt', FeatureUnionExt(transformer_list=[step2_1, step2_2, step2_3], idx_list=[[0], [1, 2, 3], [4]]))
    
#新建無(wú)量綱化對(duì)象
    
step3 = ('MinMaxScaler', MinMaxScaler())
    
#新建卡方校驗(yàn)選擇特征的對(duì)象
    
step4 = ('SelectKBest', SelectKBest(chi2, k=3))
    
#新建PCA降維的對(duì)象
    
step5 = ('PCA', PCA(n_components=2))
    
#新建邏輯回歸的對(duì)象，其為待訓(xùn)練的模型作為流水線的最后一步
    
step6 = ('LogisticRegression', LogisticRegression(penalty='l2'))
    
#新建流水線處理對(duì)象
    
#參數(shù)steps為需要流水線處理的對(duì)象列表，該列表為二元組列表，第一元為對(duì)象的名稱，第二元為對(duì)象
    
pipeline = Pipeline(steps=[step1, step2, step3, step4, step5, step6])

四、自動(dòng)化調(diào)參

網(wǎng)格搜索為自動(dòng)化調(diào)參的常見(jiàn)技術(shù)之一，grid_search包提供了自動(dòng)化調(diào)參的工具，包括GridSearchCV類。對(duì)組合好的對(duì)象進(jìn)行訓(xùn)練以及調(diào)參的代碼如下：

   
    from sklearn.grid_search import GridSearchCV
    

    
iris = load_iris()
    

    
#新建網(wǎng)格搜索對(duì)象
    
#第一參數(shù)為待訓(xùn)練的模型
    
#param_grid為待調(diào)參數(shù)組成的網(wǎng)格，字典格式，鍵為參數(shù)名稱（格式“對(duì)象名稱__子對(duì)象名稱__參數(shù)名稱”），值為可取的參數(shù)值列表
    
grid_search = GridSearchCV(pipeline, param_grid={'FeatureUnionExt__ToBinary__threshold':[1.0, 2.0, 3.0, 4.0], 'LogisticRegression__C':[0.1, 0.2, 0.4, 0.8]})
    
#訓(xùn)練以及調(diào)參
    
grid_search.fit(iris.data, iris.target)

五、持久化

externals.joblib包提供了dump和load方法來(lái)持久化和加載內(nèi)存數(shù)據(jù)：

   
    #持久化數(shù)據(jù)
    
#第一個(gè)參數(shù)為內(nèi)存中的對(duì)象
    
#第二個(gè)參數(shù)為保存在文件系統(tǒng)中的名稱
    
#第三個(gè)參數(shù)為壓縮級(jí)別，0為不壓縮，3為合適的壓縮級(jí)別
    
dump(grid_search, 'grid_search.dmp', compress=3)
    
#從文件系統(tǒng)中加載數(shù)據(jù)到內(nèi)存中
    
grid_search = load('grid_search.dmp')

?回顧

注意：組合和持久化都會(huì)涉及pickle技術(shù)，在sklearn的技術(shù)文檔中有說(shuō)明，將lambda定義的函數(shù)作為FunctionTransformer的自定義轉(zhuǎn)換函數(shù)將不能pickle化。

如何使用 sklearn 優(yōu)雅地進(jìn)行數(shù)據(jù)挖掘！

??我的小冊(cè) 45章教程:(小白零基礎(chǔ)用Python量化股票分析小冊(cè)) ,原價(jià)299，限時(shí)特價(jià)2杯咖啡，滿100人漲10元。

在此，我們?nèi)匀皇褂肐RIS數(shù)據(jù)集來(lái)進(jìn)行說(shuō)明。為了適應(yīng)提出的場(chǎng)景，對(duì)原數(shù)據(jù)集需要稍微加工：

pipeline包提供了FeatureUnion類來(lái)進(jìn)行整體并行處理：