Ex 1: Plotting Cross-Validated Predictions

通用範例/範例一: Plotting Cross-Validated Predictions

http://scikit-learn.org/stable/auto_examples/plot_cv_predict.html

1. 資料集：波士頓房產

2. 特徵：房地產客觀數據，如年份、平面大小

3. 預測目標：房地產價格

4. 機器學習方法：線性迴歸

5. 探討重點：10 等分的交叉驗証(10-fold Cross-Validation)來實際測試資料以及預測值的關係

6. 關鍵函式： sklearn.cross_validation.cross_val_predict

(一)引入函式庫及內建測試資料庫

引入之函式庫如下

1. matplotlib.pyplot: 用來繪製影像

2. sklearn.datasets: 用來繪入內建測試資料庫

3. sklearn.cross_validation import cross_val_predict：利用交叉驗證的方式來預測

4. sklearn.linear_model：使用線性迴歸

(二)引入內建測試資料庫(boston房產資料)

使用 datasets.load_boston() 將資料存入， boston 為一個dict型別資料，我們看一下資料的內容。

lr = linear_model.LinearRegression()
#lr = LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
boston = datasets.load_boston()
y = boston.target

顯示	說明
('data', (506, 13))	房地產的資料集，共506筆房產13個特徵
('feature_names', (13,))	房地產的特徵名
('target', (506,))	回歸目標
DESCR	資料之描述

(三)cross_val_predict的使用

sklearn.cross_validation.cross_val_predict(estimator, X, y=None, cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch='2*n_jobs')

X為機器學習數據， y為回歸目標， cv為交叉驗証時資料切分的依據，範例為10則將資料切分為10等分，以其中9等分為訓練集，另外一等分則為測試集。

predicted = cross_val_predict(lr, boston.data, y, cv=10)

(四)繪出預測結果與實際目標差異圖

X軸為回歸目標，Y軸為預測結果。

並劃出一條斜率=1的理想曲線(用虛線標示)

fig, ax = plt.subplots()
ax.scatter(y, predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Measured')
ax.set_ylabel('Predicted')
plt.show()

(五)完整程式碼

Python source code: plot_cv_predict.py

http://scikit-learn.org/stable/auto_examples/plot_cv_predict.html

from sklearn import datasets
from sklearn.cross_validation import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

lr = linear_model.LinearRegression()
boston = datasets.load_boston()
y = boston.target

# cross_val_predict returns an array of the same size as `y` where each entry
# is a prediction obtained by cross validated:
predicted = cross_val_predict(lr, boston.data, y, cv=10)

fig, ax = plt.subplots()
ax.scatter(y, predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Measured')
ax.set_ylabel('Predicted')
plt.show()