首先说明一下，我使用的是上一篇所说的jupyter Notebook ，所以有一些是标记，并没有带“#”注释，这里边也用到了上次所说的两个库，sklearn以及panda数据导入的预处理。是以印第安人糖尿病数据集为例，文件也会发上去的，先来一个网盘链接用着链接：/s/11UPMzeugLPZ4Kce-FXGH-g
提取码：3lbm
Python 3 ##from sklearn import datasetsiris=datasets.load_iris()##ris数据展示print(iris.data)[[5.1 3.5 1.4 0.2][4.9 3. 1.4 0.2][4.7 3.2 1.3 0.2][4.6 3.1 1.5 0.2][5. 3.6 1.4 0.2][5.4 3.9 1.7 0.4][4.6 3.4 1.4 0.3][5. 3.4 1.5 0.2][4.4 2.9 1.4 0.2][4.9 3.1 1.5 0.1][5.4 3.7 1.5 0.2][4.8 3.4 1.6 0.2][4.8 3. 1.4 0.1][4.3 3. 1.1 0.1][5.8 4. 1.2 0.2][5.7 4.4 1.5 0.4][5.4 3.9 1.3 0.4][5.1 3.5 1.4 0.3][5.7 3.8 1.7 0.3][5.1 3.8 1.5 0.3][5.4 3.4 1.7 0.2][5.1 3.7 1.5 0.4][4.6 3.6 1. 0.2][5.1 3.3 1.7 0.5][4.8 3.4 1.9 0.2][5. 3. 1.6 0.2][5. 3.4 1.6 0.4][5.2 3.5 1.5 0.2][5.2 3.4 1.4 0.2][4.7 3.2 1.6 0.2][4.8 3.1 1.6 0.2][5.4 3.4 1.5 0.4][5.2 4.1 1.5 0.1][5.5 4.2 1.4 0.2][4.9 3.1 1.5 0.2][5. 3.2 1.2 0.2][5.5 3.5 1.3 0.2][4.9 3.6 1.4 0.1][4.4 3. 1.3 0.2][5.1 3.4 1.5 0.2][5. 3.5 1.3 0.3][4.5 2.3 1.3 0.3][4.4 3.2 1.3 0.2][5. 3.5 1.6 0.6][5.1 3.8 1.9 0.4][4.8 3. 1.4 0.3][5.1 3.8 1.6 0.2][4.6 3.2 1.4 0.2][5.3 3.7 1.5 0.2][5. 3.3 1.4 0.2][7. 3.2 4.7 1.4][6.4 3.2 4.5 1.5][6.9 3.1 4.9 1.5][5.5 2.3 4. 1.3][6.5 2.8 4.6 1.5][5.7 2.8 4.5 1.3][6.3 3.3 4.7 1.6][4.9 2.4 3.3 1. ][6.6 2.9 4.6 1.3][5.2 2.7 3.9 1.4][5. 2. 3.5 1. ][5.9 3. 4.2 1.5][6. 2.2 4. 1. ][6.1 2.9 4.7 1.4][5.6 2.9 3.6 1.3][6.7 3.1 4.4 1.4][5.6 3. 4.5 1.5][5.8 2.7 4.1 1. ][6.2 2.2 4.5 1.5][5.6 2.5 3.9 1.1][5.9 3.2 4.8 1.8][6.1 2.8 4. 1.3][6.3 2.5 4.9 1.5][6.1 2.8 4.7 1.2][6.4 2.9 4.3 1.3][6.6 3. 4.4 1.4][6.8 2.8 4.8 1.4][6.7 3. 5. 1.7][6. 2.9 4.5 1.5][5.7 2.6 3.5 1. ][5.5 2.4 3.8 1.1][5.5 2.4 3.7 1. ][5.8 2.7 3.9 1.2][6. 2.7 5.1 1.6][5.4 3. 4.5 1.5][6. 3.4 4.5 1.6][6.7 3.1 4.7 1.5][6.3 2.3 4.4 1.3][5.6 3. 4.1 1.3][5.5 2.5 4. 1.3][5.5 2.6 4.4 1.2][6.1 3. 4.6 1.4][5.8 2.6 4. 1.2][5. 2.3 3.3 1. ][5.6 2.7 4.2 1.3][5.7 3. 4.2 1.2][5.7 2.9 4.2 1.3][6.2 2.9 4.3 1.3][5.1 2.5 3. 1.1][5.7 2.8 4.1 1.3][6.3 3.3 6. 2.5][5.8 2.7 5.1 1.9][7.1 3. 5.9 2.1][6.3 2.9 5.6 1.8][6.5 3. 5.8 2.2][7.6 3. 6.6 2.1][4.9 2.5 4.5 1.7][7.3 2.9 6.3 1.8][6.7 2.5 5.8 1.8][7.2 3.6 6.1 2.5][6.5 3.2 5.1 2. ][6.4 2.7 5.3 1.9][6.8 3. 5.5 2.1][5.7 2.5 5. 2. ][5.8 2.8 5.1 2.4][6.4 3.2 5.3 2.3][6.5 3. 5.5 1.8][7.7 3.8 6.7 2.2][7.7 2.6 6.9 2.3][6. 2.2 5. 1.5][6.9 3.2 5.7 2.3][5.6 2.8 4.9 2. ][7.7 2.8 6.7 2. ][6.3 2.7 4.9 1.8][6.7 3.3 5.7 2.1][7.2 3.2 6. 1.8][6.2 2.8 4.8 1.8][6.1 3. 4.9 1.8][6.4 2.8 5.6 2.1][7.2 3. 5.8 1.6][7.4 2.8 6.1 1.9][7.9 3.8 6.4 2. ][6.4 2.8 5.6 2.2][6.3 2.8 5.1 1.5][6.1 2.6 5.6 1.4][7.7 3. 6.1 2.3][6.3 3.4 5.6 2.4][6.4 3.1 5.5 1.8][6. 3. 4.8 1.8][6.9 3.1 5.4 2.1][6.7 3.1 5.6 2.4][6.9 3.1 5.1 2.3][5.8 2.7 5.1 1.9][6.8 3.2 5.9 2.3][6.7 3.3 5.7 2.5][6.7 3. 5.2 2.3][6.3 2.5 5. 1.9][6.5 3. 5.2 2. ][6.2 3.4 5.4 2.3][5.9 3. 5.1 1.8]]data/pima-indians-diabetes.data.csv'pima=pd.read_csv(path)pima.head()#数据预处理import pandas as pdpath='data/pima-indians-diabetes.data.csv'pima=pd.read_csv(path)pima.head()pregnantglucosebpskininsulinbimipedigreeagelabel061487235033.60.62750111856629026.60.35131028183640023.30.672321318966239428.10.16721040137403516843.12.288331insulin#feature_names=['pregnant','insulin','bimi','age']X=pima[feature_names]y=pima.label#维度确认print(X.shape)print(y.shape)(768, 4)(768,)#数据分离from sklearn.model_selection import train_test_splitX_train,X_test,y_train,y_test=train_test_split(X,y,random_state=0)#模型训练from sklearn.linear_model import LogisticRegressionlogreg=LogisticRegression()logreg.fit(X_train,y_train)D:\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:432: FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning.FutureWarning)LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,intercept_scaling=1, l1_ratio=None, max_iter=100,multi_class='warn', n_jobs=None, penalty='l2',random_state=None, solver='warn', tol=0.0001, verbose=0,warm_start=False)#测试数据集结果预测y_pred=logreg.predict(X_test)#使用准确率进行评估from sklearn import metricsprint(metrics.accuracy_score(y_test,y_pred))0.6927083333333334#确认正负样本数据量y_test.value_counts()0 130162Name: label, dtype: int64#1的·比例y_test.mean()0.3229166666666667#0的比例1-y_test.mean()0.6770833333333333#空的比例max(y_test.mean(),1-y_test.mean())0.6770833333333333#计算并展示混淆矩阵print(metrics.confusion_matrix(y_test,y_pred))[[118 12][ 47 15]]混淆矩阵，又称误差矩阵，用于衡量分类算法的准确程度true Positives（TP）：预测准确、实际为正样本的数量（实际为1，预测为1）true Negatives（TN）：预测准确、实际为负样本的数量（实际为0，预测为0）true Positives（FP）：预测错误、实际为负样本的数量（实际为0，预测为1）true Negatives（FN）：预测错误、实际为正样本的数量（实际为1，预测为0）y_test#展示部分实际结果（25组）print("true:",y_test.values[0:25])print("pred:",y_pred[0:25])true: [1 0 0 1 0 0 1 1 0 0 1 1 0 0 0 0 1 0 0 0 1 1 0 0 0]pred: [0 0 0 0 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0]#四个因子赋值confusion=metrics.confusion_matrix(y_test,y_pred)TN=confusion[0,0]FP=confusion[0,1]FN=confusion[1,0]TP=confusion[1,1]print(TN,FP,FN,TP)118 12 47 15### 混淆矩阵指标#准确率：整体样本中，预测正确样本数的比例#·Accuracy=（TP+TN）/(TP+TN+FP+FN)accuracy=(TP+TN)/(TP+TN+FP+FN)print(accuracy)print(metrics.accuracy_score(y_test,y_pred))0.69270833333333340.6927083333333334#错误率：整体样本中，预测错误样本数的比例#·Misclassification Rate=（FP+FN）/(TP+TN+FP+FN)mis_rate=(FP+FN)/(TP+TN+FP+FN)print(mis_rate)print(1-metrics.accuracy_score(y_test,y_pred))0.30729166666666670.30729166666666663#灵敏率（召回率）：正样本中，预测正确的比例#·Sensitivity=Recall=TP/（TP+FN）recall=TP/(TP+FN)print(recall)0.24193548387096775#特异度：负样本中，预测正确的比例#·Specificity=TN/（TN+FP）specificity=TN/(TN+FP)print(specificity)0.9076923076923077精确率：预测结果为正的样本中，预测正确的比例·Precision=TP/（TP+FP）precision=TP/(TP+FP)print(precision)0.5555555555555556ecall/（Precision+recall）F1分数：综合Precision和recall的一个判断指标·F1 Score=2*Precision X Recall/（Precision+recall）F1_score=2*precision*recall/(precision+recall)print(F1_score)0.3370786516853933print
跟我一起学Python——机械学习实现之数据预处理（混淆矩阵 印第安人糖尿病案例）（Second day）
如果觉得《跟我一起学Python——机械学习实现之数据预处理（混淆矩阵 印第安人糖尿病案例）（Se》对你有帮助，请点赞、收藏，并留下你的观点哦！
