济南 网站推广广州市手机网站建设平台

济南 网站推广,广州市手机网站建设平台,不用模板怎么建设网站,2021年国家大事件有哪些浙大疏锦行 一、前置代码 # 先运行之前预处理好的代码 import pandas as pd import pandas as pd #用于数据处理和分析#xff0c;可处理表格数据。 import numpy as np #用于数值计算#xff0c;提供了高效的数组操作。 import matplotlib.pyplot as plt #用于绘…浙大疏锦行一、前置代码# 先运行之前预处理好的代码 import pandas as pd import pandas as pd #用于数据处理和分析可处理表格数据。 import numpy as np #用于数值计算提供了高效的数组操作。 import matplotlib.pyplot as plt #用于绘制各种类型的图表 import seaborn as sns #基于matplotlib的高级绘图库能绘制更美观的统计图形。 import warnings warnings.filterwarnings(ignore) # 设置中文字体解决中文显示问题 plt.rcParams[font.sans-serif] [SimHei] # Windows系统常用黑体字体 plt.rcParams[axes.unicode_minus] False # 正常显示负号 data pd.read_csv(E:\study\PythonStudy\python60-days-challenge-master\data.csv) #读取数据 # 先筛选字符串变量 discrete_features data.select_dtypes(include[object]).columns.tolist() # Home Ownership 标签编码 home_ownership_mapping { Own Home: 1, Rent: 2, Have Mortgage: 3, Home Mortgage: 4 } data[Home Ownership] data[Home Ownership].map(home_ownership_mapping) # Years in current job 标签编码 years_in_job_mapping { 1 year: 1, 1 year: 2, 2 years: 3, 3 years: 4, 4 years: 5, 5 years: 6, 6 years: 7, 7 years: 8, 8 years: 9, 9 years: 10, 10 years: 11 } data[Years in current job] data[Years in current job].map(years_in_job_mapping) # Purpose 独热编码记得需要将bool类型转换为数值 data pd.get_dummies(data, columns[Purpose]) data2 pd.read_csv(E:\study\PythonStudy\python60-days-challenge-master\data.csv) # 重新读取数据用来做列名对比 list_final [] # 新建一个空列表用于存放独热编码后新增的特征名 for i in data.columns: if i not in data2.columns: list_final.append(i) # 这里打印出来的就是独热编码后的特征名 for i in list_final: data[i] data[i].astype(int) # 这里的i就是独热编码后的特征名 # Term 0 - 1 映射 term_mapping { Short Term: 0, Long Term: 1 } data[Term] data[Term].map(term_mapping) data.rename(columns{Term: Long Term}, inplaceTrue) # 重命名列 continuous_features data.select_dtypes(include[int64, float64]).columns.tolist() #把筛选出来的列名转换成列表 # 连续特征用中位数补全 for feature in continuous_features: mode_value data[feature].mode()[0] #获取该列的众数。 data[feature].fillna(mode_value, inplaceTrue) #用众数填充该列的缺失值inplaceTrue表示直接在原数据上修改。 # 最开始也说了 很多调参函数自带交叉验证甚至是必选的参数你如果想要不交叉反而实现起来会麻烦很多 # 所以这里我们还是只划分一次数据集 from sklearn.model_selection import train_test_split X data.drop([Credit Default], axis1) # 特征axis1表示按列删除 y data[Credit Default] # 标签 # 按照8:2划分训练集和测试集 X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) # 80%训练集20%测试集 from sklearn.ensemble import RandomForestClassifier #随机森林分类器 from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score # 用于评估分类器性能的指标 from sklearn.metrics import classification_report, confusion_matrix #用于生成分类报告和混淆矩阵 import warnings #用于忽略警告信息 warnings.filterwarnings(ignore) # 忽略所有警告信息 # --- 1. 默认参数的随机森林 --- # 评估基准模型这里确实不需要验证集 print(--- 1. 默认参数随机森林 (训练集 - 测试集) ---) rf_model RandomForestClassifier(random_state42) rf_model.fit(X_train, y_train) # 在训练集上训练 rf_pred rf_model.predict(X_test) # 在测试集上预测 print(\n默认随机森林 在测试集上的分类报告) print(classification_report(y_test, rf_pred)) print(默认随机森林 在测试集上的混淆矩阵) print(confusion_matrix(y_test, rf_pred))二、ROC曲线from sklearn.metrics import roc_curve, auc import matplotlib.pyplot as plt # 预测测试集上的概率注意ROC曲线需要的是预测概率而不是最终的类别预测 # predict_proba() 返回一个 n_samples x n_classes 的数组我们需要正类1的概率即第二列 rf_pred_proba rf_model.predict_proba(X_test)[:, 1] # 1. 计算 ROC 曲线的 FPR 和 TPR # y_test 是真实标签rf_pred_proba 是正类的预测概率 fpr, tpr, thresholds roc_curve(y_test, rf_pred_proba) # 2. 计算 AUC (Area Under the Curve) roc_auc auc(fpr, tpr) # 3. 绘制 ROC 曲线 plt.figure(figsize(8, 6)) plt.plot(fpr, tpr, colordarkorange, lw2, labelROC curve (area %0.4f) % roc_auc) plt.plot([0, 1], [0, 1], colornavy, lw2, linestyle--, labelRandom Guess) # 对角线 plt.xlim([0.0, 1.0]) # 设置 x 轴范围 plt.ylim([0.0, 1.05]) # 设置 y 轴范围稍微超出 1.0 plt.xlabel(False Positive Rate (FPR)) # x 轴标签 plt.ylabel(True Positive Rate (TPR)) # y 轴标签 plt.title(Receiver Operating Characteristic (ROC) Curve) # 图表标题 plt.legend(loclower right) # 图例位置 plt.grid(True) # 显示网格 plt.show() print(\n模型在测试集上的 AUC (Area Under the Curve): %0.4f % roc_auc) import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import roc_curve, auc # 设置中文字体 plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False def plot_distribution_and_roc(mu_neg, mu_pos, title_prefix): # --- 1. 模拟数据 (完全沿用之前的逻辑) --- # 负样本分布 (好人分数低) n_neg 10000 neg_scores np.random.normal(locmu_neg, scale0.15, sizen_neg) # 正样本分布 (坏人分数高) n_pos 1000 pos_scores np.random.normal(locmu_pos, scale0.15, sizen_pos) # 合并 y_true np.array([0] * n_neg [1] * n_pos) y_scores np.concatenate([neg_scores, pos_scores]) # 归一化 y_scores (y_scores - y_scores.min()) / (y_scores.max() - y_scores.min()) # --- 2. 计算 ROC 曲线的关键差异点 --- # 这里的输入和 PR 曲线一模一样但输出变成了 FPR 和 TPR fpr, tpr, thresholds roc_curve(y_true, y_scores) roc_auc auc(fpr, tpr) # --- 绘图 --- fig, (ax1, ax2) plt.subplots(1, 2, figsize(16, 5)) # 左图分布图 (保持不变) ax1.hist(y_scores[y_true0], bins50, alpha0.5, colorblue, label负样本 (好人/蓝山), densityTrue) ax1.hist(y_scores[y_true1], bins50, alpha0.5, colorred, label正样本 (坏人/红山), densityTrue) ax1.set_title(f{title_prefix}预测分数分布 (重叠度), fontsize14) ax1.set_xlabel(预测概率 (阈值刀从右往左切)) ax1.set_ylabel(密度) ax1.legend() # 右图ROC 曲线 (核心变化) # 绘制 ROC 曲线 ax2.plot(fpr, tpr, colordarkorange, lw2, labelfROC curve (AUC {roc_auc:.2f})) # 绘制对角线 (随机猜测基准线) ax2.plot([0, 1], [0, 1], colornavy, lw2, linestyle--, label随机猜测 (AUC0.5)) # 填充曲线下面积 ax2.fill_between(fpr, tpr, colordarkorange, alpha0.2) ax2.set_title(f{title_prefix}对应的 ROC 曲线, fontsize14) ax2.set_xlabel(FPR (假正率 - 误伤的好人比例) - 代价, fontsize12) ax2.set_ylabel(TPR (真正率 - 抓到的坏人比例) - 收益, fontsize12) ax2.set_xlim([-0.02, 1.0]) ax2.set_ylim([0.0, 1.05]) ax2.legend(loclower right) ax2.grid(True) plt.show() # --- 运行对比 --- # 情况一模型很差 (山峰严重重叠) # 逻辑你想抓红球必然会抓到一大把蓝球。 plot_distribution_and_roc(mu_neg0.4, mu_pos0.5, title_prefix情况A模型较差山峰重叠) # 情况二模型很好 (山峰分得很开) # 逻辑你可以先把红球抓干净都还碰不到蓝球。 plot_distribution_and_roc(mu_neg0.3, mu_pos0.8, title_prefix情况B模型优秀山峰分离)三、PR曲线