9. 监督学习实例——运动状态预测

代码

"""可穿戴式设备的流行，让我们可以更便利地使用传感器获取人体的各项数据，甚至是生理数据。当传感器采集到大量数据后，我们就可以通过对数据进行分析和建模，通过各项特征的数值进行用户状态的判断，根据用户所处的状态提供给用户更加精准、便利的服务。我们现在收集了来自A,B,C,D,E 5位用户的可穿戴设备上的传感器数据，每位用户的数据集包含一个特征文件（a.label）和一个标签文件（a.feature）。特征文件中每一行对应一个时刻的所有传感器数值，标签文件中每行记录了和特征文件中对应时刻的标记过的用户姿态，两个文件的行数相同，相同行之间互相对应。"""import pandas as pdimport numpy as np# 导入预处理模块 Imputerfrom sklearn.preprocessing import Imputer# 导入自动生成训练集和测试集的模块 train_test_splitfrom sklearn.cross_validation import train_test_split# 导入预测结果评估模块 classification_reportfrom sklearn.metrics import classification_report# K近邻分类器from sklearn.neighbors import KNeighborsClassifier# 决策树分类器from sklearn.tree import DecisionTreeClassifier# 高斯朴素贝叶斯函数from sklearn.naive_bayes import GaussianNBdef load_dataset(feature_paths, label_paths):    """    :param feature_paths: 特征文件的列表    :param label_paths: 标签文件的列表    :return: 特征文件列表和标签文件列表中的内容    """    feature = np.ndarray(shape=(0, 41))    label = np.ndarray(shape=(0, 1))    for file in feature_paths:        # 使用逗号分隔符读取特征数据，将问号替换标记为缺省值，文件中不含表头        df = pd.read_table(file, delimiter=',', na_values='?', header=None)        # 使用平均值补全缺失值，然后将数据进行补全        imp = Imputer(missing_values='NaN', strategy='mean', axis=0)        imp.fit(df)        df = imp.transform(df)        # 将新读入的数据合并到特征集合中        feature = np.concatenate((feature, df))    for file in label_paths:        # 读取标签数据，文件不包含表头        df = pd.read_table(file, header=None)        # 将新读入的数据合并到标签集合中        label = np.concatenate((label, df))    # 将标签规整为一维向量    label = np.ravel(label)    return feature, labelif __name__ == '__main__':    ''' 数据路径 '''    featurePaths = ['Data/A/A.feature', 'Data/B/B.feature',                    'Data/C/C.feature', 'Data/D/D.feature', 'Data/E/E.feature']    labelPaths = ['Data/A/A.label', 'Data/B/B.label', 'Data/C/C.label',                  'Data/D/D.label', 'Data/E/E.label']    ''' 读入数据  '''    # 将前四个数据作为训练集读入    x_train, y_train = load_dataset(featurePaths[:4], labelPaths[:4])    # 将最后一个数据作为测试集读入    x_test, y_test = load_dataset(featurePaths[4:], labelPaths[4:])    # 使用全量数据作为训练集，借助train_test_split函数将训练数据打乱    # 通过设置测试比例test_size为0，将数据随机打乱，便于后续分类器的初始化和训练    x_train, x_, y_train, y_ = train_test_split(x_train, y_train, test_size=0.0)    # knn    print('Start training knn')    knn = KNeighborsClassifier().fit(x_train, y_train)    print('Training done')    answer_knn = knn.predict(x_test)    print('Prediction done')    # DT    print('Start training DT')    dt = DecisionTreeClassifier().fit(x_train, y_train)    print('Training done')    answer_dt = dt.predict(x_test)    print('Prediction done')    # Bayes    print('Start training Bayes')    gnb = GaussianNB().fit(x_train, y_train)    print('Training done')    answer_gnb = gnb.predict(x_test)    print('Prediction done')    print('\n\nThe classification report for knn:')    print(classification_report(y_test, answer_knn))    print('\n\nThe classification report for DT:')    print(classification_report(y_test, answer_dt))    print('\n\nThe classification report for Bayes:')    print(classification_report(y_test, answer_gnb))