在本章中，我们将重点讨论监督式学习 - 分类。
分类技术或模型试图从观测值中得出一些结论。 在分类问题中，我们有分类输出，如“黑色”或“白色”或“教学”和“非教学”。 在构建分类模型时，需要有包含数据点和相应标签的训练数据集。 例如，如果想检查图像是否属于汽车。 要实现这个检查，我们将建立一个训练数据集，其中包含与“车”和“无车”相关的两个类。 然后需要使用训练样本来训练模型。 分类模型主要用于人脸识别，垃圾邮件识别等。
为了在 Python 中构建分类器，将使用 Python 3 和 Scikit-learn，这是一个用于机器学习的工具。 按照以下步骤在 Python 中构建分类器 -
第1步 - 导入 Scikit-learn 这将是在 Python 中构建分类器的第一步。 在这一步中，将安装一个名为 Scikit-learn 的 Python包，它是 Python中最好的机器学习模块之一。 以下命令导入包 -
import sklearn
第2步 - 导入 Scikit-learn 的数据集
在这一步中，我们可以开始使用机器学习模型的数据集。 在这里，将使用乳腺癌威斯康星诊断数据库。 数据集包括有关乳腺癌肿瘤的各种信息，以及恶性或良性分类标签。 该数据集在 569 个肿瘤上具有 569 个实例或数据，并且包括关于 30 个属性或特征(诸如肿瘤的半径，纹理，光滑度和面积)的信息。 借助以下命令，导入 Scikit-learn的乳腺癌数据集 -
from sklearn.datasets import load_breast_cancer
现在，以下命令将加载数据集。
data = load_breast_cancer()
以下是字典键列表 -
现在，使用以下命令，可以为每个重要信息集创建新变量并分配数据。 换句话说，可以用下列命令组织数据 -
label_names = data['target_names']
labels = data['target']
feature_names = data['feature_names']
features = data['data']
现在，为了使它更清晰，可以使用以下命令来打印类标签，第一个数据实例的标签，我们的功能名称和功能的值 -
print(label_names)
上述命令将分别打印恶性和良性的分类名称。输出结果如下 -
['malignant' 'benign']
现在，下面的命令将显示它们被映射到二进制值 0和 1。这里 0表示恶性肿瘤，1表示良性癌症。得到以下输出 -
print(labels[0])
0
下面给出的两个命令将生成功能名称和功能值。
print(feature_names[0])
mean radius
print(features[0])
[ 1.79900000e+01 1.03800000e+01 1.22800000e+02 1.00100000e+03
1.18400000e-01 2.77600000e-01 3.00100000e-01 1.47100000e-01
2.41900000e-01 7.87100000e-02 1.09500000e+00 9.05300000e-01
8.58900000e+00 1.53400000e+02 6.39900000e-03 4.90400000e-02
5.37300000e-02 1.58700000e-02 3.00300000e-02 6.19300000e-03
2.53800000e+01 1.73300000e+01 1.84600000e+02 2.01900000e+03
1.62200000e-01 6.65600000e-01 7.11900000e-01 2.65400000e-01
4.60100000e-01 1.18900000e-01]
从上面的输出中，可以看到第一个数据实例是一个半径为 1.7990000e + 01的恶性肿瘤。
第3步 - 组织数据
在这一步中，将把数据分成两部分，即训练集和测试集。 将数据分割成这些集合非常重要，因为必须在未看到的数据上测试模型。要将数据分成集合，sklearn 有一个叫做 train_test_split()函数的函数。 在以下命令的帮助下，可以分割这些集合中的数据 -
from sklearn.model_selection import train_test_split
上述命令将从 sklearn中导入 train_test_split函数，下面的命令将数据分解为训练和测试数据。 在下面给出的例子中，使用 40%的数据进行测试，其余数据将用于训练模型。
train, test, train_labels, test_labels = train_test_split(features,labels,test_size = 0.40, random_state = 42)
第4步 - 建立模型 在这一步中，我们将建立模型。使用朴素贝叶斯算法来构建模型。 以下命令可用于构建模型 -
from sklearn.naive_bayes import GaussianNB
上述命令将导入 GaussianNB 模块。 现在，以下命令用来初始化模型。
gnb = GaussianNB()
将通过使用 gnb.fit()将它拟合到数据来训练模型。
model = gnb.fit(train, train_labels)
第5步 - 评估模型及其准确性 在这一步中，我们将通过对测试数据进行预测来评估模型。为了做出预测，我们将使用 predict()函数。 以下命令做到这一点 -
preds = gnb.predict(test)
print(preds)
## -- 结果如下
[1 0 0 1 1 0 0 0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1
0 1 1 1 1 1 1 0 1 0 1 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0
0 1 1 0 0 1 1 1 0 0 1 1 0 0 1 0 1 1 1 1 1 1 0 1 1 0 0 0 0
0 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 1 1 1 0 1 1 0 1 1 0 0 0
1 1 1 0 0 1 1 0 1 0 0 1 1 0 0 0 1 1 1 0 1 1 0 0 1 0 1 1 0
1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0
1 1 0 1 1 1 1 1 1 0 0 0 1 1 0 1 0 1 1 1 1 0 1 1 0 1 1 1 0
1 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 0 1 1 0 1]
上述 0和 1系列是肿瘤类别的预测值 - 恶性和良性。
现在，通过比较两个数组即 test_labels和 preds，可以发现模型的准确性。使用 accuracy_score()函数来确定准确性。 考虑下面的命令 -
from sklearn.metrics import accuracy_score
print(accuracy_score(test_labels,preds))
0.951754385965
结果显示 NaïveBayes 分类器准确率为 95.17%。
通过这种方式，借助上述步骤，我们可以使用 Python 构建分类器。