import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")

plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['axes.unicode_minus'] = False
df = pd.read_excel('2024-10-31-公眾號Python機器學習AI—regression.xlsx')
from sklearn.model_selection import train_test_split, KFold

X = df.drop(['待預測變量Y'],axis=1)
y = df['待預測變量Y']

# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

from hyperopt import fmin, tpe, hp
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

# 定義超參數搜索空間
parameter_space_rf = {
'n_estimators': hp.choice('n_estimators', [50, 100, 200, 300]), # 決策樹數量
'max_depth': hp.choice('max_depth', [5, 10, 20, None]), # 樹的最大深度
'min_samples_split': hp.uniform('min_samples_split', 0.01, 0.5), # 分裂所需最小樣本比例
'min_samples_leaf': hp.uniform('min_samples_leaf', 0.01, 0.5) # 葉節點最小樣本比例
}

# 定義目標函數
def objective(params):
# 使用超參數創建隨機森林回歸模型
model = RandomForestRegressor(
n_estimators=params['n_estimators'],
max_depth=params['max_depth'],
min_samples_split=params['min_samples_split'],
min_samples_leaf=params['min_samples_leaf'],
random_state=42
)

# 在訓練集上擬合模型
model.fit(X_train, y_train)

# 在測試集上預測
y_pred = model.predict(X_test)

# 計算均方誤差（MSE）
mse = mean_squared_error(y_test, y_pred)

# 返回MSE，Hyperopt會最小化該目標值
return mse

# 運行超參數優化
best_params = fmin(
fn=objective, # 優化的目標函數
space=parameter_space_rf, # 搜索空間
algo=tpe.suggest, # 貝葉斯優化算法
max_evals=100 # 最大評估次數
)

# 顯示最優超參數組合
print("Best hyperparameters:", best_params)

# 使用最佳超參數組合重新訓練模型
best_model_regression = RandomForestRegressor(
n_estimators=[50, 100, 200, 300][best_params['n_estimators']],
max_depth=[5, 10, 20, None][best_params['max_depth']],
min_samples_split=best_params['min_samples_split'],
min_samples_leaf=best_params['min_samples_leaf'],
random_state=42
)

# 在訓練集上訓練模型
best_model_regression.fit(X_train, y_train)

利用貝葉斯優化（通過hyperopt庫）來自動調整隨機森林回歸模型的超參數，以最小化測試集上的均方誤差（MSE）。首先，定義了一個超參數空間，包括決策樹數量、最大深度、最小分裂樣本比例和最小葉子樣本比例，接著，定義目標函數以構建并評估隨機森林模型，將模型在測試集上的MSE作為優化目標，通過fmin函數使用貝葉斯優化搜索最佳參數組合，并用該組合重新訓練最終的隨機森林模型，從而獲得更優的預測性能

評估模型性能：訓練集與測試集的回歸指標對比

from sklearn import metrics



# 預測

y_pred_train = best_model_regression.predict(X_train)

y_pred_test = best_model_regression.predict(X_test)



y_pred_train_list = y_pred_train.tolist()

y_pred_test_list = y_pred_test.tolist()



# 計算訓練集的指標

mse_train = metrics.mean_squared_error(y_train, y_pred_train_list)

rmse_train = np.sqrt(mse_train)

mae_train = metrics.mean_absolute_error(y_train, y_pred_train_list)

r2_train = metrics.r2_score(y_train, y_pred_train_list)



# 計算測試集的指標

mse_test = metrics.mean_squared_error(y_test, y_pred_test_list)

rmse_test = np.sqrt(mse_test)

mae_test = metrics.mean_absolute_error(y_test, y_pred_test_list)

r2_test = metrics.r2_score(y_test, y_pred_test_list)



print("訓練集評價指標:")

print("均方誤差 (MSE):", mse_train)

print("均方根誤差 (RMSE):", rmse_train)

print("平均絕對誤差 (MAE):", mae_train)

print("擬合優度 (R-squared):", r2_train)



print("\n測試集評價指標:")

print("均方誤差 (MSE):", mse_test)

print("均方根誤差 (RMSE):", rmse_test)

print("平均絕對誤差 (MAE):", mae_test)

print("擬合優度 (R-squared):", r2_test)

計算并輸出隨機森林回歸模型在訓練集和測試集上的性能指標，包括均方誤差（MSE）、均方根誤差（RMSE）、平均絕對誤差（MAE）和擬合優度（R-squared），以評估模型在訓練集和測試集上的預測準確度和擬合效果，從而幫助判斷模型的泛化能力

模型預測可視化

利用散點圖和回歸線，直觀展示隨機森林模型在訓練集和測試集上的預測表現，圖中每個點代表真實值和預測值的配對關系，越接近對角線（即x=y線）的點表示預測越準確，通過不同顏色區分訓練集和測試集，邊緣的柱狀圖則顯示了數據分布情況，此外，右下角標注了訓練集和測試集的R^2（擬合優度），左上角注明模型名稱，幫助更全面地評估模型的預測效果與泛化能力，為模型的有效性提供了直觀的支持。

分類模型

利用貝葉斯優化提升隨機森林(分類)模型性能

import pandas as pd

import numpy as np

from hyperopt import fmin, tpe, hp

from sklearn.model_selection import train_test_split

from sklearn.ensemble import RandomForestClassifier

from sklearn.metrics import accuracy_score



# 讀取數據

df = pd.read_excel('2024-10-31-公眾號Python機器學習AI—class.xlsx')



# 劃分特征和目標變量

X = df.drop(['目標'], axis=1)

y = df['目標']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, 

                                                    random_state=42, stratify=df['目標'])



# 定義超參數空間

parameter_space_rf = {

    'n_estimators': hp.choice('n_estimators', [50, 100, 200, 300]),    # 決策樹數量

    'max_depth': hp.choice('max_depth', [5, 10, 20, None]),            # 最大深度

    'min_samples_split': hp.uniform('min_samples_split', 0.01, 0.5),   # 分裂所需最小樣本比例

    'min_samples_leaf': hp.uniform('min_samples_leaf', 0.01, 0.5)      # 葉節點最小樣本比例

}



# 定義目標函數

def objective(params):

    # 初始化模型并傳入超參數

    model = RandomForestClassifier(

        n_estimators=params['n_estimators'],

        max_depth=params['max_depth'],

        min_samples_split=params['min_samples_split'],

        min_samples_leaf=params['min_samples_leaf'],

        random_state=42

    )



    # 模型擬合

    model.fit(X_train, y_train)



    # 測試集上的預測

    y_pred = model.predict(X_test)



    # 計算準確率

    accuracy = accuracy_score(y_test, y_pred)



    # 返回負的準確率（因為Hyperopt默認最小化目標函數）

    return -accuracy



# 運行貝葉斯優化

best_params = fmin(

    fn=objective,                  # 目標函數

    space=parameter_space_rf,       # 搜索空間

    algo=tpe.suggest,               # 貝葉斯優化算法

    max_evals=100                   # 最大評估次數

)



# 顯示最優參數

print("Best hyperparameters:", best_params)



# 使用最佳參數創建最終模型

best_model_class = RandomForestClassifier(

    n_estimators=[50, 100, 200, 300][best_params['n_estimators']],

    max_depth=[5, 10, 20, None][best_params['max_depth']],

    min_samples_split=best_params['min_samples_split'],

    min_samples_leaf=best_params['min_samples_leaf'],

    random_state=42

)



# 在訓練集上擬合模型

best_model_class.fit(X_train, y_train)

通過貝葉斯優化（使用hyperopt庫）為隨機森林分類模型選擇最佳超參數組合，以最大化在測試集上的準確率，首先將數據集劃分為訓練集和測試集，并定義隨機森林的超參數空間，包括決策樹數量、最大深度、最小分裂樣本比例和最小葉節點樣本比例，然后使用目標函數創建和評估模型，以測試集準確率的負值作為優化目標（因為hyperopt最小化目標值），通過100次評估后，代碼選出最佳超參數組合，并用其重新訓練隨機森林模型，從而獲得更優的分類性能

模型性能評估：多維度分類指標分析

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score, classification_report

# 計算各項指標

accuracy = accuracy_score(y_test, y_pred)

precision = precision_score(y_test, y_pred)

recall = recall_score(y_test, y_pred)

f1 = f1_score(y_test, y_pred)

# 如果是二分類且有預測概率值

try:

    y_pred_proba = best_model_class.predict_proba(X_test)[:, 1]  # 僅適用于二分類

    auc = roc_auc_score(y_test, y_pred_proba)

except AttributeError:

    auc = None  # 對于多分類或無 predict_proba 時不適用

metrics_df = pd.DataFrame({

    'Metric': [ 'AUC', 'Precision', 'Recall', 'F1 Score','Accuracy'],

    'Value': [auc, precision, recall, f1, accuracy]

})

metrics_df

計算隨機森林分類模型在測試集上的多個評估指標，包括準確率（accuracy）、精確率（precision）、召回率（recall）、F1分數（F1 Score）和AUC（僅適用于二分類），這些指標各自反映模型不同方面的性能：準確率表示整體預測的準確程度，精確率關注正類預測的準確性，召回率衡量模型找到所有正類的能力，F1分數則平衡了精確率和召回率的權重。AUC則進一步評估了模型在不同閾值下區分正負類的能力。因此，使用多個指標能夠更全面地了解模型的表現，從而幫助我們避免因單一指標誤導而造成的模型優化偏差.

模型預測可視化

繪制模型各評估指標的雷達圖，將不同性能指標如準確率、精確率、召回率等在極坐標上可視化，方便直觀對比模型在多個維度上的表現，從而幫助識別模型的優勢和改進方向。

文章轉自微信公眾號@Python機器學習AI

上一篇：

復現Nature圖表——基于PCA降維與模型預測概率的分類效果可視化

下一篇：

K折交叉驗證結合RFE與隨機森林：特征選擇全過程可視化
#你可能也喜歡這些API文章!

我們有何不同？

API服務商零注冊

多API并行試用

數據驅動選型，提升決策效率

查看全部API→
??

熱門場景實測，選對API

#AI文本生成大模型API

對比大模型API的內容創意新穎性、情感共鳴力、商業轉化潛力

25個渠道
一鍵對比試用API 限時免費

#AI深度推理大模型API

對比大模型API的邏輯推理準確性、分析深度、可視化建議合理性

10個渠道
一鍵對比試用API 限時免費