EX 2: Normal and Shrinkage Linear Discriminant Analysis for classification
分類法/範例二: Normal and Shrinkage Linear Discriminant Analysis for classification
http://scikit-learn.org/stable/auto_examples/classification/plot_lda.html
這個範例用來展示scikit-learn 如何使用Linear Discriminant Analysis (LDA) 線性判別分析來達成資料分類的目的
利用
sklearn.datasets.make_blobs產生測試資料利用自定義函數
generate_data產生具有數個特徵之資料集,其中僅有一個特徵對於資料分料判斷有意義使用
LinearDiscriminantAnalysis來達成資料判別比較於LDA演算法中,開啟
shrinkage前後之差異
(一)產生測試資料
從程式碼來看,一開始主要為自定義函數generate_data(n_samples, n_features),這個函數的主要目的為產生一組測試資料,總資料列數為n_samples,每一列共有n_features個特徵。而其中只有第一個特徵得以用來判定資料類別,其他特徵則毫無意義。make_blobs負責產生單一特徵之資料後,利用`np.random.randn` 亂數產生其他`n_features - 1`個特徵,之後利用np.hstack以"水平" (horizontal)方式連接X以及亂數產生之特徵資料。
%matplotlib inline
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
n_train = 20 # samples for training
n_test = 200 # samples for testing
n_averages = 50 # how often to repeat classification
n_features_max = 75 # maximum number of features
step = 4 # step size for the calculation
def generate_data(n_samples, n_features):
X, y = make_blobs(n_samples=n_samples, n_features=1, centers=[[-2], [2]])
# add non-discriminative features
if n_features > 1:
X = np.hstack([X, np.random.randn(n_samples, n_features - 1)])
return X, y我們可以用以下的程式碼來測試自定義函式,結果回傳了X (10x5矩陣)及y(10個元素之向量),我們可以使用pandas.DataFrame套件來觀察資料
結果顯示如下。。我們可以看到只有X的第一行特徵資料(X0) 與目標數值 y 有一個明確的對應關係,也就是y為1時,數值較大。
(二)改變特徵數量並測試shrinkage之功能
接下來程式碼裏有兩段迴圈,外圈改變特徵數量。內圈則多次嘗試LDA之以求精準度。使用LinearDiscriminantAnalysis來訓練分類器,過程中以shrinkage='auto'以及shrinkage=None來控制shrinkage之開關,將分類器分別以clf1以及clf2儲存。之後再產生新的測試資料將準確度加入score_clf1及score_clf2裏,離開內迴圈之後除以總數以求平均。
(三)顯示LDA判別結果
這個範例主要希望能得知shrinkage的功能,因此畫出兩條分類準確度的曲線。縱軸代表平均的分類準確度,而橫軸代表的是features_samples_ratio 顧名思義,它是模擬資料中,特徵數量與訓練資料列數的比例。當特徵數量為75且訓練資料列數僅有20筆時,features_samples_ratio = 3.75 由於資料列數過少,導致準確率下降。而此時shrinkage演算法能有效維持LDA演算法的準確度。

(四)完整程式碼
Python source code: plot_lda.py
Last updated