Machine learning 数值变换的ML
我有一个200大小的小数据集。数据集非常简单:每一行由[0,1]范围内的一个实数组成,该实数映射到一个标签。总共有24个标签,我的任务的实质是训练分类器基本上找到映射到标签的范围 我可以想到两种方法。第一个是SVC,因为它们能够将输入平面分成24个区域,这正是我所需要的。然而,当我尝试编码它时,我最终得到了一些可怕的结果:分类器没有学习任何东西,并且不管输入值如何,都会吐出相同的标签 我正在考虑的第二种方法是神经网络,但由于缺乏特征和训练数据,我高度怀疑这种方法的可行性 如果需要,我可以分享我与scikit learn一起开发的SVC代码 下面是我在终端上转储的数据:Machine learning 数值变换的ML,machine-learning,classification,Machine Learning,Classification,我有一个200大小的小数据集。数据集非常简单:每一行由[0,1]范围内的一个实数组成,该实数映射到一个标签。总共有24个标签,我的任务的实质是训练分类器基本上找到映射到标签的范围 我可以想到两种方法。第一个是SVC,因为它们能够将输入平面分成24个区域,这正是我所需要的。然而,当我尝试编码它时,我最终得到了一些可怕的结果:分类器没有学习任何东西,并且不管输入值如何,都会吐出相同的标签 我正在考虑的第二种方法是神经网络,但由于缺乏特征和训练数据,我高度怀疑这种方法的可行性 如果需要,我可以分享我与
Label: Min, Mean, Max
{0: [0.96, 0.98, 1.0],
1: [0.15, 0.36, 0.92],
2: [0.14, 0.56, 0.98],
3: [0.37, 0.7, 1.0],
4: [0.23, 0.23, 0.23],
6: [0.41, 0.63, 0.97],
7: [0.13, 0.38, 0.61],
8: [0.11, 0.68, 1.0],
9: [0.09, 0.51, 1.0],
10: [0.19, 0.61, 0.97],
11: [0.26, 0.41, 0.57],
12: [0.29, 0.72, 0.95],
13: [0.63, 0.9, 0.99],
14: [0.06, 0.55, 1.0],
15: [0.1, 0.64, 1.0],
16: [0.26, 0.58, 0.95],
17: [0.29, 0.88, 1.0],
21: [0.58, 0.79, 1.0],
22: [0.24, 0.59, 0.94],
23: [0.12, 0.62, 0.95]}
如您所见,数据到处都是,但我想知道是否有可能找到每个标签最能代表的范围
如果有人能告诉我我是否走上了正确的道路,我将不胜感激。谢谢 如果标签范围不重叠,则这不是ML问题;这是一个简单的列表排序任务。按实数对数据进行排序;按标签分组。在每个标签内,取最小值和最大值;那是你的范围 如果您需要分区,则按实际值的顺序对范围进行排序。对于每对相邻的类,取边界值的中值,并将其作为类之间的分区 例如,给定3个类中12个值的列表
(0.10, 3), (0.40, 2), (0.11, 3), (0.24, 1),
(0.20, 1), (0.21, 1), (0.12, 3), (0.41, 2),
(0.18, 3), (0.42, 2), (0.46, 2), (0.22, 1)
按每对中的第一个值对列表进行排序:
(0.10, 3), (0.11, 3), (0.12, 3), (0.18, 3),
(0.20, 1), (0.21, 1), (0.22, 1), (0.24, 1),
(0.40, 2), (0.41, 2), (0.42, 2), (0.46, 2),
现在,每个标签都有一个范围:
3 [0.10 - 0.18]
1 [0.20 - 0.24]
2 [0.40 - 0.46]
如果需要分区值,只需取边界平均值,就可以使用值0.19和0.32来分隔类。如果标签范围不重叠,则这不是ML问题;这是一个简单的列表排序任务。按实数对数据进行排序;按标签分组。在每个标签内,取最小值和最大值;那是你的范围 如果您需要分区,则按实际值的顺序对范围进行排序。对于每对相邻的类,取边界值的中值,并将其作为类之间的分区 例如,给定3个类中12个值的列表
(0.10, 3), (0.40, 2), (0.11, 3), (0.24, 1),
(0.20, 1), (0.21, 1), (0.12, 3), (0.41, 2),
(0.18, 3), (0.42, 2), (0.46, 2), (0.22, 1)
按每对中的第一个值对列表进行排序:
(0.10, 3), (0.11, 3), (0.12, 3), (0.18, 3),
(0.20, 1), (0.21, 1), (0.22, 1), (0.24, 1),
(0.40, 2), (0.41, 2), (0.42, 2), (0.46, 2),
现在,每个标签都有一个范围:
3 [0.10 - 0.18]
1 [0.20 - 0.24]
2 [0.40 - 0.46]
如果需要分区值,只需取边界平均值,值为0.19和0.32即可将类分开。如果我们假设,每个类的样本在某种程度上居中(但仍然有噪声;可能存在重叠),sklearn中最自然的分类器可能是我们假设每个类的点都遵循正态分布 下面是一些代码,用于构建一些虚假数据,对其进行分类和评估:
将numpy导入为np
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.naive_bayes导入GaussianNB
从sklearn.metrics导入准确性\u分数
np.随机种子(1)
“”“数据参数+数据生成”“”
N_类=24
N每类样本数=10
西格玛=0.01
类中心=np.随机.随机(大小=N类)
#丑陋的代码和糟糕的numpy风格
X=[]
对于class_中心中的class_中心:
样本=np.随机.正常(大小=每类N个样本)*西格玛
对于样本+class_中心中的样本:
附加(示例)
Y=[]
对于ind,枚举中的c(类中心):
对于范围内的s(每类N个样本):
Y.append(ind)
X=np.数组(X).重塑(-1,1)
Y=np.数组(Y)
“拆分、拟合和评估”
X_序列,X_测试,y_序列,y_测试=序列测试分割(X,y,测试大小=0.1,随机状态=0)
et=高斯B()
et.fit(X_系列、y_系列)
打印('测试预测')
预测值=预测值(X_检验)
打印(preds)
打印(“原始样本”)
打印(y_测试)
打印(“准确度-分数”)
打印(准确度评分(y检验,preds))
输出
Prediction on test
[10 7 3 7 8 3 23 3 11 19 7 20 8 15 11 13 18 11 3 16 8 9 8 12]
Original samples
[10 7 3 7 10 22 15 22 15 19 7 20 8 15 23 13 18 11 22 0 10 17 8 12]
Accuracy-score
0.583333333333
当然,结果在很大程度上取决于每类N个样本和SIGMA
编辑:
正如你们现在展示的数据,很明显我的假设不成立。
请参阅此代码完成的以下绘图(文件从[]()
;人们应该发布与csv兼容的数据!):
绘图:
现在只需考虑观察一些x
,您需要决定y
。对于大多数x系列来说都很难
显然还有类平衡问题,它解释了大多数预测的类14的输出。如果我们假设,每个类的样本在某种程度上居中(但仍然嘈杂;可能存在重叠),sklearn中最自然的分类器可能是我们假设每个类的点都遵循正态分布
下面是一些代码,用于构建一些虚假数据,对其进行分类和评估:
将numpy导入为np
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.naive_bayes导入GaussianNB
从sklearn.metrics导入准确性\u分数
np.随机种子(1)
“”“数据参数+数据生成”“”
N_类=24
N每类样本数=10
西格玛=0.01
类中心=np.随机.随机(大小=N类)
#丑陋的代码和糟糕的numpy风格
X=[]
对于class_中心中的class_中心:
样本=np.随机.正常(大小=每类N个样本)*西格玛
对于样本+class_中心中的样本:
附加(示例)
Y=[]
对于ind,枚举中的c(类中心):
对于范围内的s(每类N个样本):
Y.append(ind)
X=np.数组(X).重塑(-1,1)
Y=np.数组(Y)
“拆分、拟合和评估”
X_序列,X_测试,y_序列,y_测试=序列测试分割(X,y,测试大小=0.1,随机状态=0)
et=高斯B()
et.fit(X_系列、y_系列)
打印('测试预测')
预测值=预测值(X_检验)
打印(preds)
打印(“原始样本”)
打印(y_测试)
打印('Ac