【实验目的】

1．掌握常见机器学习分类模型思想、算法，包括Fisher线性判别、KNN、朴素贝叶斯、Logistic回归、决策树等； 2．掌握Python编程实现分类问题，模型评价指标、计时功能、保存模型。

【实验要求】

1. 理解Python在分类问题中的评价指标等细节操作；
2. 掌握本章讲授的分类问题的Python编程操作。

【实验过程】（必要的实验步骤、绘图、代码注释、数据分析）

实验步骤 1、读入数据 2、数据预处理 3、数据分析方法介绍 4、编程实现数据分析方法，含代码注释 5、重要结果的图表绘制 6、必要的结果解释

【实验题目】

利用朴素贝叶斯模型分类器计算下面的问题，要求报告模型评价指标、计时功能、保存模型。 为了防止出现假冒伪劣、逃避关税情况，某海关单位已有以往化验检测2个原产地的葡萄酒样品124个，现有6个未知类别样本葡萄酒需要确定来源地，如何制定检验策略对6个未知样本原产地进行甄别？利用所学分类算法探讨此问题，要求进行模型评价、增加计时功能、保存模型。数据见 data_wine_new.csv.

0 1 分别对应1 2原产地

朴素贝叶斯模型

代码

# -*- coding: utf-8 -*-
'''step1 调用包'''
import time
starttime = time.time()
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
#朴素贝叶斯
from sklearn.naive_bayes import GaussianNB  

#调用准确率计算函数
from sklearn import metrics
from sklearn.metrics import accuracy_score  

from sklearn.metrics import confusion_matrix,classification_report

'''step2 导入数据'''
data = pd.read_csv('data_wine_new.csv')

'''step3 数据预处理'''
# 把带类标号数据（用于训练和检验）
# 和待判（最后3行）数据分开
data_used = data.iloc[:124,:] 
#Python从0开始计数,故上一行代码从第0行取到第114行
#共提取了115行。

data_unused = data.iloc[124:,:]


'''step4 划分数据集'''
#（将带类标号数据
#划分为训练集（75%）
#和检验集（25%）

#将类别列和特征列拆分，
#便于下面调用划分函数
y_data=data_used.iloc[:,0]
x_data=data_used.iloc[:,1:]

#调用sklearn中的函数划分上述数据
x_train, x_test, y_train, y_test = train_test_split(
        x_data,y_data,test_size=0.25,random_state=0)

'''step5 模型计算（训练、检验、评价）'''
#step5.1 训练模型
model_NGB = GaussianNB()
model_NGB.fit(x_train, y_train)

#step5.2 检验模型
y_pred = model_NGB.predict(x_test)

#step5.3 模型评价(准确率)
#这里y_test为真实检验集类标号
#pred_test为模型预测的检验集类标号
#比较二者即可得到准确率
acc_test = accuracy_score(y_test,y_pred)
print('检验准确率为：',acc_test)

'''模型评价  升级版'''
accuracy_score = accuracy_score(y_test,y_pred)
confusion_matrix = confusion_matrix(y_test,y_pred,labels=[0,1])
classification_report = classification_report(y_test,y_pred,labels=[0,1], target_names=["1号原产地","2号原产地"])
classification_report_split=classification_report.split ()   #提取矩阵中的值
#        auc = auc(best_estimator, X_train, X_test) 

##计算AUC     
#        from sklearn import metrics
from itertools import cycle
colors = cycle('gmcr')
if hasattr(model_NGB, 'predict_proba'):
    y_score = model_NGB.predict_proba(x_test)
    y_score=y_score[:,1]
else:
    y_score = model_NGB.decision_function(x_test)
fpr, tpr, thresholds = metrics.roc_curve(y_test, y_score)
auc = metrics.auc(fpr, tpr)
#        print('\n AUC is:',auc)

endtime = time.time()
testtime = endtime-starttime

print('\n confusion_matrix = \n',confusion_matrix)
print('\n classification_report =\n', classification_report)
print('\n accuracy_score= ',accuracy_score)
print('\n precison= ',metrics.precision_score(y_test, y_pred))
print('\n recall= ',metrics.recall_score(y_test, y_pred))
print('\n f1_Score= ',metrics.f1_score(y_test, y_pred))
#        print('\n auc of train/test =', auc )
print('\n AUC is:',auc)
print("\n Time consuming is",np.round(testtime,3))

'''step6 模型存储'''
import joblib      
joblib.dump(model_NGB,'model_NGB.m')   #保存模型
'''step7 预测结果'''
#模型训练完，检验效果满意
#未知类别进行预测（分类）
x_unused = data_unused.iloc[:,1:]
pred_unused = model_NGB.predict(x_unused)
print('待判样本预测类别为：',pred_unused)

结果

检验准确率为： 0.967741935483871

confusion_matrix = [[15 1] [ 0 15]]

classification_report =	precision	recall	f1-score	support
1号原产地	1.00	0.94	0.97	16
2号原产地	0.94	1.00	0.97	15
accuracy			0.97	31
macro avg	0.97	0.97	0.97	31
weighted avg	0.97	0.97	0.97	31

accuracy_score= 0.967741935483871

precison= 0.9375

recall= 1.0

f1_Score= 0.967741935483871

AUC is: 1.0

Time consuming is 0.017 待判样本预测类别为： [1. 1. 1. 0. 0. 0.]