我正在尝试了解如何使用

Question

如何使用

Scikit

使用监督的机器学习，以便当我引入新的setA和setB数据时，它可以尝试识别哪个新数据属于setA或setB.

数据集的apologies很小且“构成”。我只想在其他数据集上使用Scikit应用相同的方法。

supsuped学习可用于将实例（数据行）分类为几个类别（或者在您的情况下仅2集）。您在上面示例中缺少的是一个变量，该变量说集合1行属于。

import numpy as np # numpy will help us to concatenate the columns into a 2-dimensional array
# so instead of hiving 3 separate arrays, we have 1 array with 3 columns and 18 rows 

Variable1A = [ 3,4,4,5,4,5,5,6,7,7,5,4,5,6,4,9,3,4]
Variable2A = [ 5,4,4,3,4,5,4,5,4,3,4,5,3,4,3,4,4,3]
Variable3A = [ 7,8,4,5,6,7,3,3,3,4,4,9,7,6,8,6,7,8]

#our target variable for A

target_variable_A=[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]

Variable1B = [ 7,8,11,12,7,9,8,7,8,11,15,9,7,6,9,9,7,11]
Variable2B = [ 1,2,3,3,4,2,4,1,0,1,2,1,3,4,3,1,2,3]
Variable3B = [ 12,18,14,15,16,17,13,13,13,14,14,19,17,16,18,16,17,18]

# target variable for B
target_variable_B=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]

#lets create a dataset C with only 4 rows that we need to predict if belongs to "1" which is data set A or "0" which is  dataset B

Variable1C = [ 7,4,4,12]
Variable2C = [ 1,4,4,3]
Variable3C = [ 12,8,4,15]

#make the objects 2-dimenionsal arrays (so 1 array with X rows and 3 columns-variables)
Dataset_A=np.column_stack((Variable1A,Variable2A,Variable3A))
Dataset_B=np.column_stack((Variable1B,Variable2B,Variable3B))
Dataset_C=np.column_stack((Variable1C,Variable2C,Variable3C))

print(" dataset A rows ", Dataset_A.shape[0]," dataset A columns ", Dataset_A.shape[1] )
print(" dataset B rows ", Dataset_B.shape[0]," dataset B columns ", Dataset_B.shape[1] )
print(" dataset C rows ", Dataset_C.shape[0]," dataset C columns ", Dataset_C.shape[1] )

##########Prints ##########
#(' dataset A rows ', 18L, ' dataset A columns ', 3L)
#(' dataset B rows ', 18L, ' dataset B columns ', 3L)
#(' dataset C rows ', 4L, ' dataset C columns ', 3L)

# since now we have an identification that tells us if it belongs to A or B (e.g. 1 or 0) we can append the new sets together
Dataset_AB=np.concatenate((Dataset_A,Dataset_B),axis=0) # this creates a set with 36 rows and 3 columns
target_variable_AB=np.concatenate((target_variable_A,target_variable_B),axis=0)

print(" dataset AB rows ", Dataset_AB.shape[0]," dataset Ab columns ", Dataset_AB.shape[1] )
print(" target Variable rows ", target_variable_AB.shape[0])

##########Prints ##########
#(' dataset AB rows ', 36L, ' dataset Ab columns ', 3L)
#(' target Variable rows ', 36L)

#now we will select the most common supervised scikit model - Logistic Regression
from sklearn.linear_model import LogisticRegression
model=LogisticRegression() # we create an instance of the model

model.fit(Dataset_AB,target_variable_AB) # the model learns to distinguish between A and B (1 or 0)

#now we make predictions for the new dataset C

predictions_for_C=model.predict(Dataset_C)
print(predictions_for_C)
# this will print
#[0 1 1 0]
# so first case belongs to set A , second to B, third to B and fourth to A

您的问题非常广泛，因此这只是一个简短的概述。 您希望将两个集合放在一个列表/数组中，而不是以这种方式格式化数据，而另一列则代表将每一行属于。 这样的东西：

data = [
    [3, 5, 7, 0]
    [4, 4, 8, 0],  # these rows have 0 as the last element to represent group A
    ...
    [7, 1, 12, 1],
    [8, 2, 18, 1], # these have 1 as the last element to represent group A
    ...
]

Answer 1

data

中，然后称为

X

，然后仅包含一个单独的数组

y

Answer 2

[0, 0, 0, ..., 1, 1, 1, ...]

（指示每一行的组成员资格）。 您要避免的是将有关一个点的信息存储在变量的

名中；相反，您希望将存储在变量的

值中的“设置A或集B”信息（因为这里存储在

data

或

y

的最后一列中的值中），无论您做什么，几乎可以肯定，您都需要使用numpy阵列或

pandas

数据结构来保存您的数据，而不是列表。

有许多有关如何使用Scikit-Learn的教程和示例，以及示例数据集可能比您组成的示例更有用。  “监督机器学习”是一个广义术语，它结合了确定数据点所在组的许多不同方法，因此您必须访问并尝试不同的分类算法。  所有这些信息都可以通过搜索和/或浏览Scikit文档来找到。
    

the the the the to训练的数据是指模型标记为训练的标签，这是每个用于培训的样本的结果。 在您提供的问题中，基本上有2个集：设置A和集B，因此您必须使用诸如Logistic回归模型之类的二进制分类器。 基于1或0的标签元素作为1或0 vice，基于它们属于的集合，也就是说，如果元素E属于元素E属于A设置为A标记为1 else 1。 然后从python中的scikitlearn导入逻辑回归分类器。

next的事情是合并两个集合之类的集合，然后是集合B或VICE，反之亦然，并以相同的顺序合并了您已经提供的标签。

您可以使用pandas或numpy堆叠这些设置并准备标记的数据集。

现在您有一个标签良好的数据集。

您现在可以使用数据集（包含a和set b元素）和标签集来调用logistic回归分类器的拟合函数。

在使用您要使用的数据调用预测函数后，您将获得0或1的预测类。

如果您想要的集合可以使用字典将键映射为1和0，则具有“ set a”和“ set b”的值。 这样您就可以从中获得套装。

import pandas as pd
import numpy as np 
from sklearn.linear_model import LogisticRegression as lr

#set A

firstA=[3,4,4,5,4,5,5,6,7,7,5,4,5,6,4,9,3,4]
secondA=[5,4,4,3,4,5,4,5,4,3,4,5,3,4,3,4,4,3]
thirdA=[7,8,4,5,6,7,3,3,3,4,4,9,7,6,8,6,7,8]

#set B

firstB=[7,8,11,12,7,9,8,7,8,11,15,9,7,6,9,9,7,11]
secondB=[1,2,3,3,4,2,4,1,0,1,2,1,3,4,3,1,2,3]
thirdB=[12,18,14,15,16,17,13,13,13,14,14,19,17,16,18,16,17,18]

#stacking up and building the dataset

Aset=[firstA,secondA,thirdA]
Bset=[firstB,secondB,thirdB]
totalset=[Aset,Bset]


data=pd.DataFrame(columns["0","1","2","3","4","5","6",
"7","8","9","10","11","12","13","14","15","16","17"])
c=0
for i in range(0,2):
    for j in range(0,3):
        data.loc[c]=totalset[i][j]
        c=c+1 
label=np.array([0,0,0,1,1,1])
df2=pd.DataFrame(columns=["0","1","2","3","4","5"])
df2=label


#Training and testing the model

model=lr()
model.fit(df,df2)
k=model.predict([[17,18,14,15,16,17,13,
13,13,41,14,19,17,16,18,16,17,28]])

#mapping(chosen set A element's with label 0 and set B with 1)

dic={0:"set A",1:"set B"}
print(dic[int(k)])