實驗內容

根據汽車特徵評估質量接下來看看如何用分類技術解決現實問題。我們將用一個包含汽車多種細節的資料集，例如 車門數量、後備箱大小、維修成本等，來確定汽車的質量。分類的目的是把車輛的質量分成4種 型別：不達標、達標、良好、優秀。

你可以從https://archive.ics.uci.edu/ml/datasets/Car+Evaluation下載資料集。 你需要把資料集中的每個值看成是字串。考慮資料集中的6個屬性，其取值範圍是這樣的： buying：取值範圍是vhigh、high、med、low； maint：取值範圍是vhigh、high、med、low； doors：取值範圍是2、3、4、5等； persons：取值範圍是2、4等； lug_boot：取值範圍是small、med、big； safety：取值範圍是low、med、high。

考慮到每一行都包含字串屬性，需要假設所有特徵都是字串，並設定分類器。在上一章 中，我們用隨機森林建立過迴歸器，這裡再用隨機森林建立分類器。

這是原始碼和資料集，我把它放在百度網盤了，需要自取連結：https://pan.baidu.com/s/1liNa_Ptggr9zwxCjnldb2w提取碼：gr2f複製這段內容後開啟百度網盤手機App，操作更方便哦

# based on 2_9 car.py# goal: generate validation curves about classifier's performanceimport numpy as npfrom sklearn import preprocessingfrom sklearn.ensemble import RandomForestClassifierfrom sklearn import model_selectionimport matplotlib.pyplot as pltinput_file = 'car.data.txt'# Reading the dataX = []y = []count = 0with open(input_file, 'r') as f:    for line in f.readlines():        data = line[:-1].split(',')        X.append(data)X = np.array(X)# 標記編碼label_encoder = []X_encoded = np.empty(X.shape)for i,item in enumerate(X[0]):    label_encoder.append(preprocessing.LabelEncoder())    X_encoded[:, i] = label_encoder[-1].fit_transform(X[:, i])X = X_encoded[:, :-1].astype(int)y = X_encoded[:, -1].astype(int)# 森林中樹的數量： 200# 決策樹 劃分選擇： 資訊熵# 決策樹的最大深度： 10# 控制從原始的資料集中採取有放回的抽樣  引數=10params = {"n_estimators":200, "criterion":'entropy', "max_depth":10, "random_state":10}classifier = RandomForestClassifier(**params)classifier.fit(X, y)# cross validationaccuracy = model_selection.cross_val_score(classifier, X, y,scoring='accuracy', cv=3)print("Accuracy of the classifier: " + str(round(100*accuracy.mean(), 2)) + "%")# 使用單一資料樣例進行檢驗input_data = ['vhigh', 'vhigh', '2', '2', 'small', 'low']input_data_encoded = [-1]*len(input_data)for i, item in enumerate(input_data):    input_data_encoded[i] = int(label_encoder[i].transform([input_data[i]]))input_data_encoded = np.array(input_data_encoded)  # 將標記編碼後的單一樣本轉換成numpy陣列input_data_encoded = input_data_encoded.reshape(1, len(input_data))# 列印輸出結果output_class = classifier.predict(input_data_encoded)print("Output class:", label_encoder[-1].inverse_transform(output_class)[0])# 2_10 起始位置classifier = RandomForestClassifier(max_depth=4, random_state=7) # 固定max_depth引數為4定義分類器parameter_grid = np.linspace(25, 200, 8).astype(int)# 觀察評估器數量對訓練得分的影響，評估器每8迭代一次train_scores, validation_scores = model_selection.validation_curve\    (classifier, X, y, "n_estimators", parameter_grid, cv=5)print("\nParam: n_estimators\nTraining scores:\n", train_scores)print("\nParam: n_estimators\nValidation scores:\n", validation_scores)# 畫出影象plt.figure()plt.plot(parameter_grid, 100*np.average(train_scores, axis=1), color='black')plt.title('Training curve')plt.xlabel("Number of estimators")plt.ylabel("Accuracy")plt.show()# 使用類似的方法對max_depth進行驗證classifier = RandomForestClassifier(n_estimators=20, random_state=7)parameter_grid = np.linspace(2, 10, 5).astype(int)train_scores, valid_scores = model_selection.validation_curve(classifier, X, y,        "max_depth", parameter_grid, cv=5)print("\nParam: max_depth\nTraining scores:\n", train_scores)print("\nParam: max_depth\nValidation scores:\n", validation_scores)# 畫圖plt.figure()plt.plot(parameter_grid, 100*np.average(train_scores, axis=1), color='black')plt.title('Validation curve')plt.xlabel('Maximum depth of the tree')plt.ylabel('Accuracy')plt.show()######################### Learning curvesclassifier = RandomForestClassifier(random_state=7)parameter_grid = np.array([200, 500, 800, 1100])train_sizes, train_scores, validation_scores = model_selection.learning_curve(classifier,        X, y, train_sizes=parameter_grid, cv=5)print("\n##### LEARNING CURVES #####")print("\nTraining scores:\n", train_scores)print("\nValidation scores:\n", validation_scores)# Plot the curve# 特別說明：程式碼沒有任何問題，最後這個學習影象畫的不對完全是因為Pycharm軟體緣故，在Spyder上執行沒有任何問題plt.figure()plt.plot(parameter_grid, 100*np.average(train_scores, axis=1), color='black')plt.title('Learning curve')plt.xlabel('Number of training samples')plt.ylabel('Accuracy')plt.show()

提示：這裡對文章進行總結：例如：以上就是今天要講的內容，本文僅僅簡單介紹了pandas的使用，而pandas提供了大量能使我們快速便捷地處理資料的函式和方法。