Machine learning classification algorithm demo 机器学习分类算法demo.zip

#### Machine Learning classification algorithm demo #### 机器学习分类算法demo 金融客户分类，类举几种常用分类算法的基本使用，各种分类方法模型最终需要参考的不只是准确率 ，还包括召回率，F1分数等 #### Environment * python 3.7.2 * sklearn 0.23.2 * pandas 1.1.5 * numpy 1.19.4 #### Code ##### 聚类 `k_means.py` -- K均值聚类 -- 0.85 `svm.py` -- 支持向量机聚类 `gmm.py` -- 高斯混合模型聚类 -- 0.70 `DBSCAN.py` -- DBSCAN密度聚类 -- 0.40 ##### 其他分类 `KNN.py` -- K近邻 -- 0.89 `logistic.py` -- 逻辑回归 -- 0.90 ± 1 `decision_tree.py` -- 决策树 -- 0.90 ± 1 `naive_bayes.py` -- 朴素贝叶斯 -- 0.86 #### File `bank-full.csv` - 数据文件 `bank-names.txt` - 数据字段含义 `tree.dot` - 决策树结构 `tree.png` - 决策树效果图 #### Process * 导入文件观察数据情况 总数据 45000 * 本案例中unknown值较多 直接dropna只剩下 7800 因此选择填充，当前采用频率最高词填充 一些字段自己可用均值填充请自行完成 * 相关参数为分类例如本案例中的职业Job 可转化为数字编码代表其含义 同时方便训练 * 有必要的话对数据进行过采样或欠采样之类的处理 * 根据数据情况选择合适的特征工程 * 使用模型训练 * 分析结果 #### Remark * 随便一个都可以分类，所用算法可自行学习，若想深入可自己学习 * 决策树配合随机森林训练时间很长 决策树可生成dot文件 使用Graphivz生成图片 * svm训练时间很长 * 目前碍于个人能力原因，效果最差的是DBSCAN！！！ * 仅供学习交流，严禁用于商业用途，请于24小时内删除