import warnings 
import pandas as pd 
import seaborn as sns 
from MultiTrain import MultiClassifier 
from numpy import mean, 
arange from matplotlib import pyplot as plt 
warning.filterwarnings('ignore')

导入机器学习数据集

现在，让我们也导入我们将使用的数据集

df = pd.read_csv(“train_phone.csv”)

检查数据集标签是否平衡

我们检查数据集中包含的标签，以确定它是是否平衡，这将帮助我们决定如何训练数据集。

在运行下面的代码时，您将发现数据集标签是均匀分布的。

# price_range is the column name for the labels
df["price_range"].value_counts()

模型训练

我们将跳过探索性数据分析，这里的重点是看看我们如何使用 MultiTrain 来实现它的目的。

下一步是将数据集划分为特征和标签。

features = df.drop('price_range', axis=1)
labels = df['price_range']

在定义了训练特征和标签之后，我们现在需要进一步将它们分为训练集和测试集。模型将使用训练集进行训练，并使用测试集对其性能进行评估。

然后必须在MultiTrain库中定义MultiClassifier对象。我们正在处理的数据集包括四个不同的标签，这使它成为一个多类问题。

通过定义随机状态参数，在数据集上训练的所有机器学习模型将产生一致的结果。设置“cores”为“-1”可以确保训练使用CPU中的所有内核来提高性能。

train = MultiClassifier(random_state=42,
imbalanced=False,
target_class='multiclass',
cores=-1)
# It's important to assign this method to a variable because it 
# returns the training and test splits to be used in the fit method
returned_split = train.split(X=features,
y=labels,
randomState=42,
sizeOfTest=0.2)
fit = train.fit(X=features,
y=labels,
splitting=True,
split_data=returned_split,
show_train_score=True)

使用MultiTrain在数据集上训练多个机器学习分类模型示例

您也可以使用 KFold 拆分对数据集进行训练。

train = MultiClassifier(random_state=42,
imbalanced=False,
target_class='multiclass',
cores=-1)
# setting kf to True tells the fit method to use the KFold Split for # training.
fit = train.fit(X=features,
y=labels,
kf=True, 
fold=5,
show_train_score=True)