完成机器学习实验，并完成大型数据库实验，以下为实验内容：
实验一：数据准备与模型评估
一、实验目的
熟悉 Python 的基本操作，掌握对数据集的读写实现、对模型性能的评估实现的能力；
加深对训练集、测试集、N 折交叉验证、模型评估标准的理解。
二、实验内容
（1）利用 pandas 库从本地读取 iris 数据集；
（2）从 scikit-learn 库中直接加载 iris 数据集；
（3）实现五折交叉验证进行模型训练；
（4）计算并输出模型的准确度、精度、召回率和 F1 值。
3、操作要点
（1）安装 Python 及 pycharm（一种 Python 开发 IDE），并熟悉 Python 基本操作；
（2）学习 pandas 库里存取文件的相关函数，以及 scikit-learn 库里数据集下载、交叉验
证、模型评估等相关操作；
（3）可能用的库有 pandas，scikit-learn，numpy 等，需要提前下载 pip；
（4）测试模型可使用随机森林 rf_classifier = RandomForestClassifier(n_estimators=100)，
或其它分类器；
（5）撰写实验报告，提交源代码；实验报告在所有上机实验结束后提交。
三、算法步骤、代码、及结果
1. 算法伪代码
1. 导入必要的库
- 导入pandas库
- 导入numpy库
- 导入scikit-learn中的load_iris函数
- 导入KFold类
- 导入RandomForestClassifier类
- 导入准确率、精确度、召回率和F1分数计算函数
2. 定义函数create_iris_dataset()
- 创建iris数据集的列名
- 创建iris数据集的样本数据
- SepalLengthCm: 随机生成150个0到10之间的数
- SepalWidthCm: 随机生成150个0到5之间的数
- PetalLengthCm: 随机生成150个0到15之间的数
- PetalWidthCm: 随机生成150个0到10之间的数
- Species: 随机选择150个类别（Setosa, Versicolour, Virginica）
- 将数据转换为DataFrame
- 保存DataFrame为CSV文件（'iris.csv'）
- 打印“iris数据集CSV文件已创建。”
3. 检查'iris.csv'文件是否存在
- 尝试读取'iris.csv'文件
- 如果成功，打印“从本地读取iris数据集成功”，并显示前5行数据
- 如果文件未找到，调用create_iris_dataset()函数创建数据集
- 读取创建的'iris.csv'文件并打印成功信息和前5行数据
4. 从scikit-learn库中加载iris数据集
- 调用load_iris()函数，获取特征集X和标签集y
- 打印“从scikit-learn加载iris数据集成功”，并显示数据集形状
5. 实现五折交叉验证进行模型训练
- 创建RandomForestClassifier实例，设置n_estimators为100
- 创建KFold实例，设置n_splits为5，shuffle为True，random_state为42
- 初始化空列表：accuracies, precisions, recalls, f1s
6. 对于每一折的训练和测试索引
- 划分训练集X_train和测试集X_test
- 划分训练集y_train和测试集y_test
- 训练随机森林模型rf_classifier
- 预测测试集y_pred
- 计算并保存准确率、精确度、召回率和F1值到相应列表
7. 计算并输出模型的平均准确度、精度、召回率和F1值
- 打印平均准确度
- 打印平均精度
- 打印平均召回率
- 打印平均F1值
2. 算法主要代码
（1）完整源代码
import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import KFold
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
# 步骤1：创建iris数据集CSV文件（如果需要）
def create_iris_dataset():
# 创建iris数据集的列名
columns = ['SepalLengthCm', 'SepalWidthCm', 'PetalLengthCm', 'PetalWidthCm', 'Species']
# 创建iris数据集的样本数据
data = {
'SepalLengthCm': np.random.rand(150) * 10,
'SepalWidthCm': np.random.rand(150) * 5,
'PetalLengthCm': np.random.rand(150) * 15,
'PetalWidthCm': np.random.rand(150) * 10,
'Species': np.random.choice(['Setosa', 'Versicolour', 'Virginica'], 150)
}
# 将数据转换为DataFrame
df = pd.DataFrame(data, columns=columns)
# 保存DataFrame为CSV文件
df.to_csv('iris.csv', index=False)
print("iris数据集CSV文件已创建。")
# 检查iris.csv文件是否存在，如果不存在则创建
try:
df = pd.read_csv('iris.csv')
print("从本地读取iris数据集成功：")
print(df.head())
except FileNotFoundError:
print("本地iris.csv文件未找到，开始创建...")
create_iris_dataset()
df = pd.read_csv('iris.csv')
print("创建并从本地读取iris数据集成功：")
print(df.head())
# 步骤2：从scikit-learn库中直接加载iris数据集
iris = load_iris()
X, y = iris.data, iris.target
print("从scikit-learn加载iris数据集成功：")
print("数据集形状：", X.shape, y.shape)
# 步骤3：实现五折交叉验证进行模型训练
rf_classifier = RandomForestClassifier(n_estimators=100)
kf = KFold(n_splits=5, shuffle=True, random_state=42)
accuracies = []
precisions = []
recalls = []
f1s = []
for train_index, test_index in kf.split(X):
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
# 训练模型
rf_classifier.fit(X_train, y_train)
y_pred = rf_classifier.predict(X_test)
# 评估模型
accuracies.append(accuracy_score(y_test, y_pred))
precisions.append(precision_score(y_test, y_pred, average='macro'))
recalls.append(recall_score(y_test, y_pred, average='macro'))
f1s.append(f1_score(y_test, y_pred, average='macro'))
# 步骤4：计算并输出模型的准确度、精度、召回率和F1值
print(f"平均准确度: {np.mean(accuracies)}")
print(f"平均精度: {np.mean(precisions)}")
print(f"平均召回率: {np.mean(recalls)}")
print(f"平均F1值: {np.mean(f1s)}")
（2）调用库方法
1. create_iris_dataset()
说明：创建iris数据集的CSV文件。
参数：无。
作用：生成一个包含150个样本的随机iris数据集，并保存为CSV文件。
2. pd.read_csv('iris.csv')
说明：从CSV文件中读取数据。
参数：
'iris.csv'：要读取的CSV文件名。
作用：将CSV文件中的数据读取为Pandas DataFrame。
3. load_iris()
说明：从scikit-learn库中加载iris数据集。
参数：无。
作用：加载内置的iris数据集，返回数据集的特征和标签。
4. RandomForestClassifier(n_estimators=100)
说明：创建随机森林分类器实例。
参数：
n_estimators：森林中树的数量，默认为100。
作用：随机森林是一种集成学习方法，它通过构建多个决策树来进行分类或回归分析。
5. KFold(n_splits=5, shuffle=True, random_state=42)
说明：创建K折交叉验证的分割器。
参数：
n_splits：分割的份数，即K折交叉验证中的K，默认为5。
shuffle：是否在分割前对数据进行随机打乱，默认为True。
random_state：随机数生成器的种子，默认为None。设置相同的种子可以确保每次分割的结果相同。
作用：用于生成训练集和测试集的索引，以进行K折交叉验证。
6. accuracy_score(y_test, y_pred)
说明：计算准确率。
参数：
y_test：真实的标签。
y_pred：预测的标签。
作用：计算模型预测正确的样本占总样本的比例。
7. precision_score(y_test, y_pred, average='macro')
说明：计算精确度（查准率）。
参数：
y_test：真实的标签。
y_pred：预测的标签。
average：计算平均值的方法，默认为'binary'。其他选项包括'micro'、'macro'、'weighted'等。
作用：计算模型预测为正类中实际为正类的比例。
8. recall_score(y_test, y_pred, average='macro')
说明：计算召回率（查全率）。
参数：同precision_score。
作用：计算实际为正类中被模型预测为正类的比例。
9. f1_score(y_test, y_pred, average='macro')
说明：计算F1值。
参数：同precision_score。
3. 结果截图（包括：准确率；精度、召回率、F1）
（1）准确率：***
（2）精度：***，召回率：***，F1：***
四、心得体会
数据处理的重要性：在机器学习中，数据的准备和处理是至关重要的。通过创建CSV文件并读取数据，我们可以确保数据集的可用性和一致性。即使是随机生成的数据，合理的结构和格式也能帮助我们更好地进行后续分析。
模型选择与评估：随机森林是一种强大的集成学习方法，适用于分类和回归任务。通过使用K折交叉验证，我们可以更好地评估模型的性能，避免因数据划分而导致的评估偏差。交叉验证提供了对模型泛化能力的更可靠的估计。
总的来说，这段代码不仅展示了如何使用随机森林进行分类任务，还强调了数据处理、模型评估和性能指标的重要性。通过这些实践，我们能够更好地理解机器学习的基本概念和应用。
标签：iris,日报,print,score,test,csv,数据,12.18 From： https://www.cnblogs.com/lijianlongCode13/p/18671488