Анализ данных о качестве вина

Question

У меня есть набор данных, который объясняет качество вин на основе таких факторов, как содержание кислоты, плотность, pH и т. Д. Я прилагаю ссылку, которая покажет вам набор данных «Качество вина». В соответствии с набором данных нам нужно использовать Multi Class Classification Algorithm для анализа этого набора данных с использованием обучающих и тестовых данных. Пожалуйста, поправьте меня, если я ошибаюсь?

Набор данных Wine_Quality.csv

https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/

Также я использовал алгоритм анализа главных компонентов для работы с этим набором данных. Ниже приведен код, который я использовал: -

# -*- coding: utf-8 -*-
"""
Created on Sun Aug 26 14:14:44 2018

@author: 1022316
"""

# Wine Quality testing
#Multiclass classification - PCA

#importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#importing the Dataset
dataset = pd.read_csv('C:\Machine learning\winequality-red_1.csv')
X = dataset.iloc[:, 0:11].values
y = dataset.iloc[:, 11].values

# Splitting the dataset into the Training set and Test set
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)

# Feature Scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#Applying the PCA
from sklearn.decomposition import PCA
pca = PCA(n_components = 2 )
X_train = pca.fit_transform(X_train)
X_test = pca.fit_transform(X_test)
explained_variance = pca.explained_variance_ratio_

# Fitting Logistic Regression to the Training set
#from sklearn.tree import DecisionTreeClassifier
#classifier = DecisionTreeClassifier(max_depth = 2).fit(X_train, y_train)
#y_pred = classifier.predict(X_test)

#classifier = LogisticRegression(random_state = 0)
#classifier.fit(X_train, y_train)

#Fiiting the Logistic Regression model to the training set
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state = 0)
classifier.fit(X_train, y_train)


#Predicting thr Test set results
y_pred = classifier.predict(X_test)


# Making the Confusion Matrix
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)

Пожалуйста, дайте мне знать, если я использую правильный алгоритм этого набора данных. Кроме того, как я вижу, у нас есть 9 классов, в которых этот набор данных будет разделен. Пожалуйста, дайте мне знать, как я буду визуализировать и отображать данные соответственно в разных классах.

Answer 1

В соответствии с набором данных нам нужно использовать алгоритм классификации мультиклассов для анализа этого набора данных с использованием данных обучения и тестирования.Пожалуйста, исправьте меня, если я ошибаюсь?

Правильно.

Пожалуйста, дайте мне знать, если я использую правильный алгоритм этого набора данных.

Да.Но более систематический способ их применения будет следующим: PCA используется в первую очередь для визуального исследования отделимости классов и относительной информативности их компонентов (вы используете первые два).Затем логистическая регрессия применяется как в исходном многомерном, так и в низкомерциальном пространстве признаков PCA.

#importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import  seaborn as sns

#importing the Dataset
dataset = pd.read_csv('winequality-red.csv', sep=';') # https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv
sns.countplot(dataset['quality'])

наблюдение: 6 классови высокий дисбаланс классов (возможно, 6, потому что мы используем разные наборы данных на странице, которой вы поделились).

Кроме того, как я вижу, у нас есть 9 классов, на которые этот набор данных будет разделен.Пожалуйста, также дайте мне знать, как я буду визуализировать и отображать данные соответственно в разных классах.

# Feature Scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X = sc.fit_transform(X)

#Applying the PCA
from sklearn.decomposition import PCA
fig = plt.figure(figsize=(12,6))
pca = PCA()
pca_all = pca.fit_transform(X)
pca1 = pca_all[:, 0]
pca2 = pca_all[:, 1]

fig.add_subplot(1,2,1)
plt.bar(np.arange(pca.n_components_), 100*pca.explained_variance_ratio_)
plt.title('Relative information content of PCA components')
plt.xlabel("PCA component number")
plt.ylabel("PCA component variance % ")

fig.add_subplot(1,2,2)
plt.scatter(pca1, pca2, c=y, marker='x', cmap='jet')
plt.title('Class distributions')
plt.xlabel("PCA Component 1")
plt.ylabel("PCA Component 2")

Есть много метрик дляколичественная оценка эффективности мультиклассовой классификации.Использование точность :

# Splitting the dataset into the Training set and Test set
from sklearn.model_selection import train_test_split

#Fiiting the Logistic Regression model to the training set
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

classifier = LogisticRegression(random_state = 0)

# PCA 2D space
X_train, X_test, y_train, y_test = train_test_split(pd.DataFrame(data=pca_all).iloc[:,0:2], y, test_size = 0.25, random_state = 0)
classifier.fit(X_train, y_train)

y_pred = classifier.predict(X_test)
accuracy_pca_2d = accuracy_score(y_test, y_pred)

# PCA 3D space
X_train, X_test, y_train, y_test = train_test_split(pd.DataFrame(data=pca_all).iloc[:,0:3], y, test_size = 0.25, random_state = 0)
classifier.fit(X_train, y_train)

y_pred = classifier.predict(X_test)
accuracy_pca_3d = accuracy_score(y_test, y_pred)

# PCA 2D space
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)
classifier.fit(X_train, y_train)

y_pred = classifier.predict(X_test)
accuracy_original = accuracy_score(y_test, y_pred)

plt.figure()
sns.barplot(x=['pca 2D space', 'pca 3D space', 'original space'], y=[accuracy_pca_2d, accuracy_pca_3d, accuracy_original])
plt.ylabel('accuracy')

, которое показывает, что выполнение классификации в сокращенном 2D-пространстве PCA имеет отрицательный эффект;по крайней мере, в соответствии с этой мерой и настройкой.

Для визуализации матрицы путаницы можно использовать эту .Подача заявки на оригинальный космический корпус: