機器學習筆記 (9) - Scikit-learn: 練習 Perceptron Model

Scikit-learn: 練習 Perceptron Model

透過 Scikit-learn 所內建的 Perceptron 線性分類器，讓我可以很簡單的就得到之前自己用 Numpy，Pandas 實作的類似結果，而且只要簡單幾行就可以做到，實在是太方便了!
不過在學習過程中如果可以自己試著實做看看應該還是會對演算法的了解有所幫助的

我是使用 Anaconda，所以主要安裝下面兩個 packages 就可以使用 scikit 了

conda install scikt-learn
conda install scikit-plot

實作練習碼: (Donut，Iris and Wine Dataset)
https://github.com/u8913557/myDataScience/blob/master/ML/perceptron_scikit_learn.py





Iris Dataset:

Iris Test:

Good classified samples: 42

Misclassified samples: 3

Accuracy: 0.93

1. 取得資料:

iris_dataset = datasets.load_iris()

X = iris_dataset.data

Y = iris_dataset.target

      2.資料預處理:

sc = StandardScaler()

sc.fit(X)

X_std = sc.transform(X)

X_train_std, X_test_std, Y_train, Y_test = train_test_split(X_std, Y, test_size=0.3,

random_state=1, stratify=Y)

     3.訓練模型，使用訓練後的模型做預測

ppn = Perceptron(max_iter=30, eta0=0.01, verbose=False)

ppn.fit(X_train_std, Y_train)

Y_hat = ppn.predict(X_test_std)