2019年7月14日 星期日

Python實作各種水果分類器那一種最好？

本篇文章延續上一篇：用Python實作水果分類器

水果分類器採用機器學習的技巧來實作，因此可以看出所有的演算法都是把資料分成訓練組和測試組，大家不妨找出那一種分類法，所得到分數最高，就是比較適合水果分類的方法。

求邏輯迴歸(Logistic Regression)值：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
logreg.fit(X_train, y_train)
print('Accuracy of Logistic regression classifier on training set: {:.2f}'
     .format(logreg.score(X_train, y_train)))
print('Accuracy of Logistic regression classifier on test set: {:.2f}'
     .format(logreg.score(X_test, y_test)))

執行結果：

決策樹(Decision Tree)：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)


from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier().fit(X_train, y_train)

print('Accuracy of Decision Tree classifier on training set: {:.2f}'
     .format(clf.score(X_train, y_train)))
print('Accuracy of Decision Tree classifier on test set: {:.2f}'
     .format(clf.score(X_test, y_test)))

執行結果：

設置最大決策樹深度有助於避免過度擬合(Overfitting)：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)


from sklearn.tree import DecisionTreeClassifier
clf2 = DecisionTreeClassifier(max_depth=3).fit(X_train, y_train)
print('Accuracy of Decision Tree classifier on training set: {:.2f}'
     .format(clf2.score(X_train, y_train)))
print('Accuracy of Decision Tree classifier on test set: {:.2f}'
     .format(clf2.score(X_test, y_test)))
執行結果：

K-最近鄰居法(K-Nearest Neighbors)：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)


from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
print('Accuracy of K-NN classifier on training set: {:.2f}'
     .format(knn.score(X_train, y_train)))
print('Accuracy of K-NN classifier on test set: {:.2f}'
     .format(knn.score(X_test, y_test)))

執行結果：


線性區別分析(

Linear Discriminant Analysis)：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
lda = LinearDiscriminantAnalysis()
lda.fit(X_train, y_train)
print('Accuracy of LDA classifier on training set: {:.2f}'
     .format(lda.score(X_train, y_train)))
print('Accuracy of LDA classifier on test set: {:.2f}'
     .format(lda.score(X_test, y_test)))

執行結果：


單純貝氏分類器(Gaussian Naive Bayes)：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
gnb.fit(X_train, y_train)
print('Accuracy of GNB classifier on training set: {:.2f}'
     .format(gnb.score(X_train, y_train)))
print('Accuracy of GNB classifier on test set: {:.2f}'
     .format(gnb.score(X_test, y_test)))

執行成果：


支撐向量機(support vector machine, SVM)：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import pandas as pd
import matplotlib.pyplot as plt
fruits = pd.read_table('fruit_data_with_colors.txt')

from pandas.tools.plotting import scatter_matrix
from matplotlib import cm
feature_names = ['mass', 'width', 'height', 'color_score']
X = fruits[feature_names]
y = fruits['fruit_label']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

from sklearn.svm import SVC
svm = SVC()
svm.fit(X_train, y_train)
print('Accuracy of SVM classifier on training set: {:.2f}'
     .format(svm.score(X_train, y_train)))
print('Accuracy of SVM classifier on test set: {:.2f}'
     .format(svm.score(X_test, y_test)))

執行結果：

於

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)
  • 百香果苗結花苞，要注意小心太早熟會長不大
    今天鄭鳳池、鄭勝仁父子從埔里到校來看本校的百香果果園， 鄭 勝仁先生隨手從百香果苗摘下一小片，告訴我百香果已經在開花， 專家就是不一樣，百香果USR計畫團隊成員天天看，都沒有注意到剛種下去的百香果苗已經快開花了。 鄭 勝仁先生說花苞要摘除，避免百香果太早熟長...
  • 防蟲叮咬小秘訣
    作者： 邱智煜         記得前一陣子在果園裡，那第一顆果實出現的時候，大家是多麼的歡欣鼓舞，隨著結果數越來越多，大家也對接下來的進展非常的期待，然而，突然出現了讓人預期不到的情況↓ 被果蠅入住了 !!! ------------------...
  • 利用Python透過氣象開放資料平台取得百香果故鄉的氣象資料
    1.網址： https://opendata.cwb.gov.tw/index 2.資料( https://opendata.cwb.gov.tw/dataset/forecast?page=1 )可以分成下列幾種： 預報 觀測 地震海嘯 氣候 ...
  • 一堆不可以重複以及改變值的資料的集合可用來百香果分級判斷
    集合中元素具備沒有順序的特性，因此無法像串列(List)一樣可以用索引算符或切片方式來存取，當然不能使用串接算符+和重複算符*，集合常用的算符是in和not in，用來判斷元素是否在集合中。 範例一：集合會過濾掉重複的元素 passionFruit={'同一品種&#...
  • 迎接南開校園新嬌客--百香果種植花絮
                                                                                                   撰稿：周麗楨   攝影：洪崇彬 周麗楨 3 月 15 日第二次會議後，計...
  • 109年度大學社會責任計畫「電商行銷人才培訓營活動」
    撰稿、攝影:趙伯元          數位時代的發展及疫情的影響，帶動電商市場的活絡，也代表電商人才的需求量增加。因此，於 9 月 15 ~16 日在南部國立高雄科技大學舉辦「電商行銷人才培訓營」，目的主要在提升學生對電商的認識，學習數位行銷心法及工具，分享南投百香果農民及相關商...
  • 大坪頂記事：嚴峻水情
    文:施朝祥老師 攝影:施朝祥老師 已經很久沒有下雨了，太陽又大又熱，讓原本就缺水的情況更為嚴峻！ ▲水情嚴竣，地上只是 稀稀蔬蔬地長著少許耐的雜草，百香果葉也沒有很茂盛 蔡家百香果園表示：因為太久沒有下雨，地下水位降低，抽水機出來的水量減少，抽水要用更多的時間，而且更耗電能。 地...
  • 百香果種苗與產業現況暨無農藥安全管理專題演講座談
    延續去年 7 月 2 日在合成里 百香果資源永續論壇暨指導委員會議 ，今年 5 月 9 日，我們再度邀請陳金枝博士和蔡志濃博士前來。在校園第二會議室，兩位博士分別以各自專精領域 台灣百香果產業現況及健康種苗體系、百香果非農藥安全管理 與聽眾分享。 會前交流 陳...
  • 沙巴地區臺灣休閒農業暨青年創業研習營分享百香果USR成果
    今年有2位南開科技大學電機與資訊技術系同學考上國立台灣科技大學研究所，成為敏哥的學弟，他們是從馬來西亞來台求學南開人，在南開求學四年，在大三時加入百香果USR計畫。今年指導七位馬來西亞的南開人，用南開百香啤酒以及南瓜牛奶冰淇淋創業。 這兩年跟沙巴地區特別有緣，還記去年在彭會長的邀...
  • 南開科技大學首創百香果微學分5/2日登場，由百香果種植專家鄭鳳池父子聯手鳴槍
    智慧百香果園建置與行銷微學分課程即將在 南開科技大學 H3廣場 前的百香果園開設，107年5月2日將由百香果種植專家鄭鳳池、鄭勝仁父子聯手上第一堂課，教導同學認識水果之王百香果以及如何為搭建百香果株搭建棚架。 鄭鳳池、鄭勝仁父子從事百香果種植合計年資有30年，第一次從農夫...