10钢材缺陷检测分类

数据预处理

# 导入数据
import pandas as pd
import numpy as np

import plotly_express as px
import plotly.graph_objects as go

from plotly.subplots import make_subplots

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_theme(style="whitegrid")
%matplotlib inline

import warnings
warnings.filterwarnings("ignore")
df = pd.read_excel("faults.xlsx")
df.head()
image.png
# 数据分割
df1 = df.loc[:,"Pastry":]
df2 = df.loc[:,:"SigmoidOfAreas"]
df1.head()
image.png
# 下面是27个特征的数据
df2.head()
image.png
# 分类标签生成
columns = df1.columns.tolist()
columns
image.png
for i in range(len(df1)):
    for col in columns:
        if df1.loc[i, col] == 1:
            df1.loc[i, "Label"] = col

df1.head()
image.png
# 类型编码
dic = {}
for i, v in enumerate(columns):
    dic[v] = i
    
dic
image.png
df1["Label"] = df1["Label"].map(dic)
df1.head()
image.png
# 数据合并
df2["Label"] = df1["Label"]
df2.head()
image.png

EDA

# 数据的基本统计信息
# 缺失值
df2.isnull().sum()
image.png
# 单个特征分布
parameters = df2.columns[:-1].tolist()

sns.boxplot(data=df2, y="Steel_Plate_Thickness")
plt.show()
image.png

从箱型图中能够观察到单个特征的取值分布情况。下面绘制全部参数的取值分布箱型图

fig = make_subplots(rows=7, cols=4)

for i, v in enumerate(parameters):
    r = i // 4 + 1
    c = (i + 1) % 4
    
    if c == 0:
        fig.add_trace(go.Box(y=df2[v].tolist(), name=v), row=r, col=4)
    else:
        fig.add_trace(go.Box(y=df2[v].tolist(), name=v), row=r, col=c)
        
fig.update_layout(width=1000, height=900)
fig.show()
image.png

1.特征之间的取值范围不同,从负数到10M
2.部分特征的取值中存在异常值
3.有些特征的取值只存在0和1

样本不均衡

# 每种类别数量
df2["Label"].value_counts()
image.png

可以看到第6类的样本有673条,但是第4类的样本只有55条。明显地不均衡

# SMOTE解决
X = df2.drop("Label", axis=1)
y = df2[["Label"]]
from imblearn.over_sampling import SMOTE

smo = SMOTE(random_state=42)
X_smo, y_smo = smo.fit_resample(X, y)
y_smo
image.png
# 实施上采样后的结果
y_smo["Label"].value_counts()
image.png

统计一下每个分类变量的数量:现在我们发现每个类别下的样本是一样的,克服了样本不均衡问题

建模

# 随机打乱数据
from sklearn.utils import shuffle

df3 = pd.concat([X_smo, y_smo], axis=1)
df3 = shuffle(df3)
# 数据集划分
from sklearn import preprocessing

X = df3.drop("Label", axis=1)
X = preprocessing.scale(X)
y = df3[["Label"]]
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)
# 建模评价
from sklearn.model_selection import cross_val_score
from sklearn import metrics

def build_model(model, X_test, y_test):
    model.fit(X_train, y_train)
    # 预测概率
    y_proba = model_LR.predict_proba(X_test)
    # 找出概率值最大的所在索引,作为预测的分类结果
    y_pred = np.argmax(y_proba, axis=1)
    y_test = np.array(y_test).reshape(943)
    
    print(f"{model}模型得分:")
    print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
    print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
# 逻辑回归
from sklearn.linear_model import LogisticRegression

model_LR = LogisticRegression()
build_model(model_LR, X_test, y_test)
image.png

逻辑回归

# 建模
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
from sklearn import metrics

model_LR = LogisticRegression()
model_LR.fit(X_train, y_train)
image.png
# 预测概率
y_proba = model_LR.predict_proba(X_test)
y_proba[:3]
image.png
# 找出概率值最大的所在索引,作为预测的分类结果
y_pred = np.argmax(y_proba, axis=1)
y_pred[:3]
image.png
# 评价
# 混淆矩阵
confusion_matrix = metrics.confusion_matrix(y_test, y_pred)
confusion_matrix
image.png
y_pred.shape
image.png
y_test = np.array(y_test).reshape(943)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

随机森林回归

from sklearn.ensemble import RandomForestClassifier

model_RR = RandomForestClassifier()
model_RR.fit(X_train, y_train)
image.png
# 预测概率
y_proba = model_RR.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

SVR

from sklearn.svm import SVC

svm_model = SVC(probability=True)
svm_model.fit(X_train, y_train)
image.png
# 预测概率
y_proba = svm_model.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

决策树回归

from sklearn.tree import DecisionTreeClassifier

model_tree = DecisionTreeClassifier()
model_tree.fit(X_train, y_train)

# 预测概率
y_proba = model_tree.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

神经网络

from sklearn.neural_network import MLPClassifier

mlp = MLPClassifier()
mlp.fit(X_train, y_train)

# 预测概率
y_proba = mlp.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

GBDT

from sklearn.ensemble import GradientBoostingClassifier

gbdt = GradientBoostingClassifier(
#        loss="deviance",
#        learning_rate=1,
#        n_estimators=5,
#        subsample=1,
#        min_samples_split=2,
#        min_samples_leaf=1,
#        max_depth=2,
#        init=None,
#        random_state=None,
#        max_feature=None,
#        verbose=0,
#        max_leaf_nodes=None,
#        warm_start=False
)
gbdt.fit(X_train, y_train)

# 预测概率
y_proba = gbdt.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

LightGBM

from lightgbm import LGBMClassifier

lgb = LGBMClassifier()
lgb.fit(X_train, y_train)

# 预测概率
y_proba = lgb.predict_proba(X_test)
# 最大概率的索引
y_pred = np.argmax(y_proba, axis=1)

print("召回率: ", metrics.recall_score(y_test, y_pred, average="macro"))
print("精准率: ", metrics.precision_score(y_test, y_pred, average="macro"))
image.png

来源:尤而小屋

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容

  • 一、写在前面的话 这是我的第一篇博客,希望写好。我几乎是一个编程小白,只有一点点C和Java的经验,一路懵头懵脑的...
    PrinceKare阅读 329评论 0 1
  • 1. 模型评估 在机器学习领域,模型评估至关重要,只有选择和问题相匹配的评估方法,才能更快更好的完成训练。将模型评...
    雪糕遇上夏天阅读 1,228评论 0 0
  • 在小白我的第一篇文里就提出过一个问题,就是现在的教程都太“分散”太“板块”,每一个知识点都单独用一个例子,机器学习...
    猴小白阅读 14,079评论 0 4
  • Data Analysis 算法基础, 工具框架算法模型的选择使用, 业务方面(金融等)需要掌握 算法推导过程了解...
    d032a642d9de阅读 495评论 0 0
  • 导语 结束比赛有几天了,这几天一直在处理前段时间堆积的工作,今天得空对自己的方案进行梳理总结。今年7月多结束魔镜杯...
    文一休阅读 1,004评论 0 0