Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络分类模型(CNN分类算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
贝叶斯优化器(BayesianOptimization) 是一种黑盒子优化器,用来寻找最优参数。
贝叶斯优化器是基于高斯过程的贝叶斯优化,算法的参数空间中有大量连续型参数,运行时间相对较短。
贝叶斯优化器目标函数的输入必须是具体的超参数,而不能是整个超参数空间,更不能是数据、算法等超参数以外的元素。
本项目使用基于贝叶斯优化器(Bayes_opt)优化卷积神经网络分类算法来解决分类问题。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:
数据详情如下(部分展示):
3.数据预处理
3.1用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据:
从上图可以看到,总共有10个字段。
关键代码:
3.2缺失值统计
使用Pandas工具的info()方法统计每个特征缺失情况:
从上图可以看到,数据不存在缺失值,总数据量为2000条。
关键代码:
3.3变量描述性统计分析
通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息:
关键代码如下:
4.探索性数据分析
4.1y变量分类柱状图
用Pandas工具的value_counts().plot()方法进行统计绘图,图形化展示如下:
从上面图中可以看到,分类为0和1的样本,数量基本一致。
4.2y变量类型为1 x1变量分布直方图
通过Matpltlib工具的hist()方法绘制直方图:
从上图可以看出,x1主要集中在-2到2之间。
4.3 相关性分析
通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图:
从图中可以看到,正数为正相关,负数为负相关,绝对值越大相关性越强。
5.特征工程
5.1建立特征数据和标签数据
y为标签数据,除 y之外的为特征数据。关键代码如下:
5.2数据集拆分
数据集集拆分,分为训练集和测试集,80%训练集和20%测试集。关键代码如下:
5.3样本数据增加维度
样本数据训练集和测试集增加维度后的形状:
6.构建贝叶斯优化器优化卷积神经网络分类模型
主要使用基于贝叶斯优化器优化卷积神经网络分类算法,用于目标分类。
6.1构建调优模型
6.2最优参数展示
寻优的过程信息:
最优参数结果展示:
6.3最优参数构建模型
训练过程信息:
模型的摘要信息:
模型的网络结构信息:
损失曲线图与准确率曲线图展示:
7.模型评估
7.1评估指标及结果
评估指标主要包括准确率、查准率、召回率、F1分值等等。
从上表可以看出,F1分值为0.949,说明此模型效果较好。
关键代码如下:
7.2分类报告
卷积神经网络分类模型的分类报告:
从上图可以看到,分类类型为0的F1分值为0.95;分类类型为1的F1分值为0.95;整个模型的准确率为0.95。
7.3混淆矩阵
从上图可以看出,实际为0预测不为0的 有5个样本;实际为1预测不为1的有15个样本,整体预测准确率良好。
8.结论与展望
综上所述,本项目采用了基于贝叶斯优化器优化卷积神经网络分类模型,最终证明了我们提出的模型效果良好。
本次机器学习项目实战所需的资料,项目资源如下:
项目说明:
链接:https://pan.baidu.com/s/1c6mQ_1YaDINFEttQymp2UQ
提取码:thgk
相关文章
- 小姐姐带你一起学:如何用Python实现7种机器学习算法(附代码)
- 改进粒子群算法的配电网故障定位(Python&Matlab代码实现)
- 【阶段三】Python机器学习10篇:机器学习项目实战:K近邻算法的基本原理、计算步骤与KNN(K近邻)分类模型
- Python实现哈里斯鹰优化算法(HHO)优化卷积神经网络分类模型(CNN分类算法)项目实战
- Python实现贝叶斯优化器(Bayes_opt)优化XGBoost分类模型(XGBClassifier算法)项目实战
- Python实现哈里斯鹰优化算法(HHO)优化循环神经网络回归模型(LSTM回归算法)项目实战
- Python实现贝叶斯优化器(Bayes_opt)优化随机森林回归模型(RandomForestRegressor算法)项目实战
- Python实现贝叶斯优化器(Bayes_opt)优化随机森林分类模型(RandomForestClassifier算法)项目实战
- Python实现哈里斯鹰优化算法(HHO)优化支持向量机分类模型(SVC算法)项目实战
- Python实现FA萤火虫优化算法优化支持向量机分类模型(SVC算法)项目实战
- Python实现ALO蚁狮优化算法优化支持向量机分类模型(SVC算法)项目实战
- Python实现基于Optuna超参数自动优化的Catboost回归模型(CatBoostRegressor算法)项目实战
- Python实现直方图梯度提升分类模型(HistGradientBoostingClassifier算法)并基于网格搜索进行优化同时绘制PDP依赖图项目实战
- Python实现GBDT(梯度提升树)分类模型(GradientBoostingClassifier算法)并应用网格搜索算法寻找最优参数项目实战
- 【数据结构与算法Python实践系列】5分钟学会经典排序算法-快速排序
- python基础===zip在python3中的用法
- 【状态估计】将变压器和LSTM与卡尔曼滤波器结合到EM算法中进行状态估计(Python代码实现)