Techniques liées à l'apprentissage automatique / à la classification

Retour logistique

from sklearn.datasets import load_breast_cancer
data = load_breast_cancer()
X = data.data
y = 1 - data.target
#Inverser 0 et 1 sur l'étiquette

X = X[:, :10]
from sklearn.linear_model import LogisticRegression
model_lor = LogisticRegression(max_iter=1000)
model_lor.fit(X, y)
y_pred = model_lor.predict(X)

Matrice mixte

・ 2 lignes x 2 colonnes sont affichées ・ Une matrice de données réelles et de données prédites est créée ・ En haut à gauche est (0, 0), en bas à droite est (1, 1)

from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y, y_pred)
print(cm)

Taux de réponse correct

・ Pourcentage de prédictions correctes pour tous les résultats de prédiction

from sklearn.metrics import accuracy_score
accuracy_score(y, y_pred)

Taux de conformité

・ Pourcentage de ce qui était prévu comme positif par rapport à ce qui était prévu comme positif (Côté droit de la colonne)

from sklearn.metrics import precision_score
precision_score(y, y_pred)

Rappel

・ Rapport entre les choses dont on peut prédire qu'elles sont positives et celles qui sont réellement positives (Côté descendant)


from sklearn.metrics import f1_score
f1_score(y, y_pred)

Valeur F

・ Moyenne harmonisée de rappel et de précision ・ Il y a un compromis entre précision et rappel

from sklearn.metrics import f1_score
f1_score(y, y_pred)

Probabilité de prédiction

・ Une méthode pour exprimer si elle est classée 0 ou 1 par une valeur continue de 0-1 (lorsqu'elle est ajoutée, elle devient égale à 1) ・ 0.5 est défini comme seuil pour scilit-learn par défaut.


#model_lor.predict_proba(X)

import numpy as np
y_pred2 = (model_lor.predict_proba(X)[:, 1]>0.1).astype(np.int)
print(confusion_matrix(y, y_pred2))

print(accuracy_score(y, y_pred2))
print(recall_score(y, y_pred2))

Courbe ROC / AUC (étude requise)

・ AUC: zone sous la courbe ・ ROC: caractéristique de fonctionnement du récepteur ・ AUC est la zone inférieure de la courbe ROC ・ Courbe ROC ・ ・ ・ Axe horizontal: taux de faux positifs, FP Axe vertical: vrai taux positif, TP


from sklearn.metrics import roc_curve
probas = model_lor.predict_proba(X)
fpr, tpr, thresholds = roc_curve(y, probas[:, 1])

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

fig, ax = plt.subplots()
fig.set_size_inches(4.8, 5)

ax.step(fpr, tpr, 'gray')
ax.fill_between(fpr, tpr, 0, color='skyblue', alpha=0.8)
ax.set_xlabel('False Positive Rate')
ax.set_ylabel('True Positive Rate')
ax.set_facecolor('xkcd:white')
plt.show()

from sklearn.metrics import roc_auc_score
roc_auc_score(y, probas[:, 1])

Recommended Posts

Techniques liées à l'apprentissage automatique / à la classification
Classification de l'apprentissage automatique
Machine learning supervisé (classification / régression)
Apprentissage automatique
Apprentissage automatique par python (1) Classification générale
Classification et régression dans l'apprentissage automatique
[Apprentissage automatique] Classification des sujets LDA à l'aide de scikit-learn
[python] Techniques souvent utilisées dans l'apprentissage automatique
Algorithme d'apprentissage automatique (implémentation de la classification multi-classes)
Résumé de la classification et de la mise en œuvre des algorithmes d'apprentissage automatique
Apprentissage supervisé (classification)
[Memo] Apprentissage automatique
Exemple d'apprentissage automatique
Classification EV3 x Pyrhon Machine Learning Partie 3
Classification des images de guitare par apprentissage automatique Partie 1
Deep Learning from scratch ① Chapitre 6 "Techniques liées à l'apprentissage"
Mémo d'étude Python & Machine Learning ⑤: Classification d'Ayame
Algorithme d'apprentissage automatique (de la classification à 2 classes à la classification à plusieurs classes)
Vue d'ensemble des techniques d'apprentissage automatique apprises grâce à scikit-learn
Classer les informations liées à l'apprentissage automatique par modèle de sujet
Classification des images de guitare par apprentissage automatique, partie 2
Disposition des éléments auto-mentionnés liés à l'apprentissage automatique
Résumé du didacticiel d'apprentissage automatique
Apprentissage automatique sur le surapprentissage
Apprentissage automatique ⑤ Résumé AdaBoost
Apprentissage automatique: supervisé - AdaBoost
Régression logistique d'apprentissage automatique
Machine de vecteur de support d'apprentissage automatique
Étudier l'apprentissage automatique ~ matplotlib ~
Régression linéaire d'apprentissage automatique
Mémo du cours d'apprentissage automatique
Bibliothèque d'apprentissage automatique dlib
Apprentissage automatique (TensorFlow) + Lotto 6
Apprenez en quelque sorte le machine learning
Bibliothèque d'apprentissage automatique Shogun
Défi de lapin d'apprentissage automatique
Introduction à l'apprentissage automatique
Python: apprentissage supervisé (classification)
Apprentissage automatique: k-voisins les plus proches
Qu'est-ce que l'apprentissage automatique?
[Apprentissage automatique] Classification de texte à l'aide du modèle Transformer (classificateur basé sur l'attention)
Modèle d'apprentissage automatique prenant en compte la maintenabilité
L'apprentissage automatique appris avec Pokemon
Ensemble de données pour l'apprentissage automatique
Prétraitement japonais pour l'apprentissage automatique
Programmation Python Machine Learning Chapitre 2 Problèmes de classification - Résumé de la formation à l'algorithme d'apprentissage automatique
Apprentissage automatique dans Delemas (s'entraîner)
Une introduction à l'apprentissage automatique
Machine Learning: Supervision - Régression linéaire
Bases de l'apprentissage automatique (mémoire)
Un débutant en apprentissage automatique a essayé la RBM
[Apprentissage automatique] Comprendre la forêt aléatoire
Apprentissage automatique avec Python! Préparation
Essayez d'évaluer les performances du modèle d'apprentissage automatique / de classification
Bloc-notes de ressources d'étude d'apprentissage automatique
Apprentissage automatique ② Résumé Naive Bayes
Mémos personnels et liens liés à l'apprentissage automatique ③ (BI / visualisation)
Comprendre l'apprentissage automatique ~ régression de crête ~.
Résumé de l'article sur l'apprentissage automatique (auto-écrit)
À propos de la matrice mixte d'apprentissage automatique
Apprentissage automatique: forêt supervisée - aléatoire