python - 如何训练基于三元组数组的模型

Question

我对整个机器学习主题有点陌生，我想得到一些建议和起点:

我有一个最多包含 100 个条目的数组。一个条目是一个 3 元组的 double :

例如

x: 0.01
y: 0.02
z: 0.03

数组示例:

[(0.01, 0.02, 0.03), (0.01, 0.02, 0.03)]

我想训练一个模型，根据这些三元组的数组输出 true 或 false。

[(0.01, 0.02, 0.03), (0.01, 0.02, 0.03), ...] => true
[(0.02, 0.021, 0.03), (0.041, 0.022, 0.035), ...] => false

你建议我从哪里开始？你会使用 Caffe 或 Keras 之类的东西吗？

希望这个问题不是太宽泛......

Answer 1

我建议从 scikit-learn 开始其中已经包含了大量的力量。

如何完成此类操作的一个非常基本的示例可能如下所示:

import numpy as np

from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score

np.random.seed(42)

# Generate some random data

X_train = np.random.rand(1000, 3)
y_train = np.random.randint(0, 2, len(X_train))

X_test = np.random.rand(2000, 3)
y_test = np.random.randint(0, 2, len(X_test))

# Train a classifier

clf = GaussianNB()
clf.fit(X_train, y_train)

# Test the classifier and print performance measure (here: accuracy)

y_pred = clf.predict(X_test)
y_random = np.random.randint(0, 2, len(X_test))

print('Accuracy (pred): {:.4f}'.format(accuracy_score(y_test, y_pred)))
print('Accureary (random): {:.4f}'.format(accuracy_score(y_test, y_random)))

将输出:

Accuracy (pred): 0.5030
Accureary (random): 0.5210

由于这都是随机数据，因此该示例没有任何意义。但是，如果您的 x、y、z 元组确实对目标值有任何预测能力，那么您应该会看到比随机。