下载掌阅APP，畅读海量书库
立即打开
了解sklearn库的第一步就是训练感知器，下面通过实例来演示，具体实现步骤如下。
（1）把150个鸢尾花样本的花瓣长度和花瓣宽度存入特征矩阵 X ，把相应的品种分类标签存入向量 y ：
from sklearn import datasets
import numpy as np
iris=datasets.load_iris（）
X= iris.data[:，[2，3]]
y= iris.target
print（'Class labels:'，np.unique（y））
Class labels:[0 1 2]
（2）为了评估经过训练的模型对未知数据处理的效果，再进一步将数据集分裂成单独的训练集和测试集：
from sklearn.model_selection import train_test_split
#train_test_split函数把X和y随机分为30%的测试数据和70%的训练数据
#在分割前已经在内部训练，random_state为固定的随机数种子，确保结果可
#重复，通过定义stratify=y获得内置的分层支持，将各子数据集中不同分类标签
#的数据比例设置为总数据集比例
X_train，X_test，y_train，y_test=train_test_split（
X，y，test_size=0.3，random_state=1，stratify=y）
（3）调用NumPy的bincount函数来对阵列中的每个值进行统计，以验证数据。
#计算每种标签的样本数量有多少，分别是50个
print（'y的标签计数:'，np.bincount（y））
#计算训练集中每种标签样本数量有多少，分别是35个
print（'y_train的标签计数:'，np.bincount（y_train））
#计算测试集中每种标签样本数量有多少，分别是15个
print（'y_test的标签计数:'，np.bincount（y_test））
y的标签计数:[50 50 50]
y_train的标签计数:[35 35 35]
y_test的标签计数:[15 15 15]
（4）调用sklearn库中预处理模块preprocessing中的类StanderScaler来对特征进行标准化：
#对特征进行标准化
from sklearn.preprocessing import StandardScaler
sc=StandardScaler（）
sc.fit（X_train）
X_train_std= sc.transform（X_train）
X_test_std=sc.transform（X_test）
在以上代码中，调用StanderScaler的fit方法对训练数据的每个特征维度参数 μ 和 σ 进行估算。调用transform方法，利用估计的参数 μ 和 σ 对训练数据进行标准化。
注意： 在标准化测试集时，要注意使用相同的特征调整参数以确保训练集与测试集的数值具有可比性。
（5）训练感知器模型。
from sklearn.linear_model import Perceptron
ppn=Perceptron（max_iter=40，eta0=0.1，random_state=1）
ppn.fit（X_train_std，y_train）
Perceptron（alpha=0.0001，class_weight=None，eta0=0.1，fit_intercept=True，
max_iter=40，n_iter=None，n_jobs=1，penalty=None，random_state=1，
shuffle=True，tol=None，verbose=0，warm_start=False）
（6）调用predict方法做预测。
y_pred=ppn.predict（X_test_std）
print（'错误分类的样本:%d'%（y_test!=y_pred）.sum（））
此处结果为“错误分类的样本：3”，当然也有其他的性能指标，如分类准确度：
#计算分类准确度
from sklearn.metrics import accuracy_score
print（'准确性:%.2f'%accuracy_score（y_test，y_pred））
此处结果为“准确性：0.93”。
（7）利用plot_decision_regions函数绘制新训练感知器的模型决策区，并以可视化的方式展示区分不同花朵样本的效果，可以通过圆圈来突出显示来自测试集的样本：
from matplotlib.colors import ListedColormap
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文
plt.rcParams['axes.unicode_minus'] = False #显示负号
def plot_decision_regions（X，y，classifier，test_idx=None，resolution=0.02）:
#setup marker generator and color map
markers =（'s'，'x'，'o'，'^'，'v'）
colors =（'red'，'blue'，'lightgreen'，'gray'，'cyan'）
cmap = ListedColormap（colors[:len（np.unique（y））]）
#绘制决策面
x1_min，x1_max = X[:，0].min（）- 1，X[:，0].max（）+ 1
x2_min，x2_max = X[:，1].min（）- 1，X[:，1].max（）+ 1
xx1，xx2 = np.meshgrid（np.arange（x1_min，x1_max，resolution），
np.arange（x2_min，x2_max，resolution））
Z = classifier.predict（np.array（[xx1.ravel（），xx2.ravel（）]）.T）
Z = Z.reshape（xx1.shape）
plt.contourf（xx1，xx2，Z，alpha=0.3，cmap=cmap）
plt.xlim（xx1.min（），xx1.max（））
plt.ylim（xx2.min（），xx2.max（））
for idx，cl in enumerate（np.unique（y））:
plt.scatter（x=X[y == cl，0]，
y=X[y == cl，1]，
alpha=0.8，
c=colors[idx]，
marker=markers[idx]，
label=cl，
edgecolor='black'）
#突出显示测试样本
if test_idx:
#绘制所有样本
X_test，y_test=X[test_idx，:]，y[test_idx]
plt.scatter（X_test[:，0]，
X_test[:，1]，
#将测试集数据显示为粉色标记
c='pink'，
edgecolor='black'，
alpha=1.0，
linewidth=1，
marker='o'，
s=100，
label='测试集'）
X_combined_std=np.vstack（（X_train_std，X_test_std））
y_combined=np.hstack（（y_train，y_test））
plot_decision_regions（X=X_combined_std，y=y_combined，
classifier=ppn，test_idx=range（105，150））
plt.xlabel（'花瓣长度[标准化]'）
plt.ylabel（'花瓣宽度[标准化]'）
plt.legend（loc='左上角'）
plt.tight_layout（）
plt.show（）
运行程序，效果如图3-1所示。
图3-1 绘制新训练感知器的模型决策区
如图3-1中所看到的，三种花不能被线性决策边界完全分离，所以实践中通常不推荐使用感知器算法。
