Ex 1: Plotting Cross-Validated Predictions

通用範例/範例一: Plotting Cross-Validated Predictions

    1.
    資料集:波士頓房產
    2.
    特徵:房地產客觀數據,如年份、平面大小
    3.
    預測目標:房地產價格
    4.
    機器學習方法:線性迴歸
    5.
    探討重點:10 等分的交叉驗証(10-fold Cross-Validation)來實際測試資料以及預測值的關係
    6.
    關鍵函式: sklearn.cross_validation.cross_val_predict

(一)引入函式庫及內建測試資料庫

引入之函式庫如下
    1.
    matplotlib.pyplot: 用來繪製影像
    2.
    sklearn.datasets: 用來繪入內建測試資料庫
    3.
    sklearn.cross_validation import cross_val_predict:利用交叉驗證的方式來預測
    4.
    sklearn.linear_model:使用線性迴歸

(二)引入內建測試資料庫(boston房產資料)

使用 datasets.load_boston() 將資料存入, boston 為一個dict型別資料,我們看一下資料的內容。
1
lr = linear_model.LinearRegression()
2
#lr = LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
3
boston = datasets.load_boston()
4
y = boston.target
Copied!
顯示
說明
('data', (506, 13))
房地產的資料集,共506筆房產13個特徵
('feature_names', (13,))
房地產的特徵名
('target', (506,))
回歸目標
DESCR
資料之描述

(三)cross_val_predict的使用

sklearn.cross_validation.cross_val_predict(estimator, X, y=None, cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch='2*n_jobs')
X為機器學習數據, y為回歸目標, cv為交叉驗証時資料切分的依據,範例為10則將資料切分為10等分,以其中9等分為訓練集,另外一等分則為測試集。
1
predicted = cross_val_predict(lr, boston.data, y, cv=10)
Copied!

(四)繪出預測結果與實際目標差異圖

X軸為回歸目標,Y軸為預測結果。
並劃出一條斜率=1的理想曲線(用虛線標示)
1
fig, ax = plt.subplots()
2
ax.scatter(y, predicted)
3
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
4
ax.set_xlabel('Measured')
5
ax.set_ylabel('Predicted')
6
plt.show()
Copied!

(五)完整程式碼

Python source code: plot_cv_predict.py
1
from sklearn import datasets
2
from sklearn.cross_validation import cross_val_predict
3
from sklearn import linear_model
4
import matplotlib.pyplot as plt
5
6
lr = linear_model.LinearRegression()
7
boston = datasets.load_boston()
8
y = boston.target
9
10
# cross_val_predict returns an array of the same size as `y` where each entry
11
# is a prediction obtained by cross validated:
12
predicted = cross_val_predict(lr, boston.data, y, cv=10)
13
14
fig, ax = plt.subplots()
15
ax.scatter(y, predicted)
16
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
17
ax.set_xlabel('Measured')
18
ax.set_ylabel('Predicted')
19
plt.show()
Copied!