通化市建设局网站,google商店,这周新闻热点事件,专业做营销网站建设说明#xff1a;这是一个机器学习实战项目#xff08;附带数据代码文档视频讲解#xff09;#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。1.项目背景贝叶斯优化器(BayesianOptimization) 是一种黑盒子优化器#xff0c;用来寻找最优参数。贝叶斯优化器是基…说明这是一个机器学习实战项目附带数据代码文档视频讲解如需数据代码文档视频讲解可以直接到文章最后获取。1.项目背景贝叶斯优化器(BayesianOptimization) 是一种黑盒子优化器用来寻找最优参数。贝叶斯优化器是基于高斯过程的贝叶斯优化算法的参数空间中有大量连续型参数运行时间相对较短。贝叶斯优化器目标函数的输入必须是具体的超参数而不能是整个超参数空间更不能是数据、算法等超参数以外的元素。本项目使用基于贝叶斯优化器(Bayes_opt)优化支持向量机分类算法来解决分类问题。2.数据获取本次建模数据来源于网络(本项目撰写人整理而成)数据项统计如下数据详情如下(部分展示)3.数据预处理3.1用Pandas工具查看数据使用Pandas工具的head()方法查看前五行数据从上图可以看到总共有10个字段。关键代码3.2缺失值统计使用Pandas工具的info()方法统计每个特征缺失情况从上图可以看到数据不存在缺失值总数据量为1000条。关键代码3.3变量描述性统计分析通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息关键代码如下4.探索性数据分析4.1y变量分类柱状图用Pandas工具的value_counts().plot()方法进行统计绘图图形化展示如下从上面图中可以看到分类为0和1的样本数量基本一致。 4.2y变量类型为1 x1变量分布直方图通过Matpltlib工具的hist()方法绘制直方图从上图可以看出x1主要集中在-2到2之间。 4.3 相关性分析通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图从图中可以看到正数为正相关负数为负相关绝对值越大相关性越强。5.特征工程5.1建立特征数据和标签数据y为标签数据除 y之外的为特征数据。关键代码如下5.2数据集拆分数据集集拆分分为训练集和测试集80%训练集和20%测试集。关键代码如下6.构建贝叶斯优化器优化支持向量机分类模型主要使用基于贝叶斯优化器优化支持向量机分类算法用于目标分类。6.1构建调优模型6.2最优参数展示寻优的过程信息最优参数结果展示最优参数组合: C的参数值为 7.872020435910932 gamma的参数值为 0.01763788153507379最优分数 0.975 验证集准确率 0.9756.3最优参数构建模型7.模型评估7.1评估指标及结果评估指标主要包括准确率、查准率、召回率、F1分值等等。从上表可以看出F1分值为0.982说明此模型效果较好。关键代码如下 7.2分类报告支持向量机分类模型的分类报告 从上图可以看到分类类型为0的F1分值为0.98分类类型为1的F1分值为0.98整个模型的准确率为0.98。7.3混淆矩阵从上图可以看出实际为0预测不为0的 有1个样本实际为1预测不为1的有3个样本整体预测准确率良好。 8.结论与展望综上所述本项目采用了基于贝叶斯优化器优化支持向量机分类模型最终证明了我们提出的模型效果良好。 本次机器学习项目实战所需的资料项目资源如下项目说明链接https://pan.baidu.com/s/1c6mQ_1YaDINFEttQymp2UQ提取码thgk
