Квадратичный дискриминантный анализ — это метод, который вы можете использовать, когда у вас есть набор переменных-предикторов, и вы хотите классифицировать переменную ответа по двум или более классам.
Он считается нелинейным эквивалентом линейного дискриминантного анализа .
В этом руководстве представлен пошаговый пример выполнения квадратичного дискриминантного анализа в Python.
Шаг 1: Загрузите необходимые библиотеки
Во-первых, мы загрузим необходимые функции и библиотеки для этого примера:
from sklearn. model_selection import train_test_split
from sklearn. model_selection import RepeatedStratifiedKFold
from sklearn. model_selection import cross_val_score
from sklearn. discriminant_analysis import QuadraticDiscriminantAnalysis
from sklearn import datasets
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
Шаг 2: Загрузите данные
В этом примере мы будем использовать набор данных iris из библиотеки sklearn. В следующем коде показано, как загрузить этот набор данных и преобразовать его в кадр данных pandas, чтобы с ним было легко работать:
#load *iris* dataset
iris = datasets. load_iris ()
#convert dataset to pandas DataFrame
df = pd.DataFrame(data = np.c_[iris['data'], iris['target']],
columns = iris['feature_names'] + ['target'])
df['species'] = pd.Categorical.from_codes (iris.target, iris.target_names)
df.columns = ['s_length', 's_width', 'p_length', 'p_width', 'target', 'species']
#view first six rows of DataFrame
df.head ()
s_length s_width p_length p_width target species
0 5.1 3.5 1.4 0.2 0.0 setosa
1 4.9 3.0 1.4 0.2 0.0 setosa
2 4.7 3.2 1.3 0.2 0.0 setosa
3 4.6 3.1 1.5 0.2 0.0 setosa
4 5.0 3.6 1.4 0.2 0.0 setosa
#find how many total observations are in dataset
len(df.index)
150
Мы видим, что набор данных содержит всего 150 наблюдений.
В этом примере мы построим модель квадратичного дискриминантного анализа, чтобы классифицировать, к какому виду принадлежит данный цветок.
Мы будем использовать следующие переменные-предикторы в модели:
- Длина чашелистика
- Ширина чашелистика
- Длина лепестка
- Ширина лепестка
И мы будем использовать их для прогнозирования переменной отклика Species , которая принимает следующие три потенциальных класса:
- сетоза
- лишай
- виргиния
Шаг 3: Соответствуйте модели QDA
Далее мы подгоним модель QDA к нашим данным, используя функцию QuadraticDiscriminantAnalsyis из sklearn:
#define predictor and response variables
X = df[['s_length', 's_width', 'p_length', 'p_width']]
y = df['species']
#Fit the QDA model
model = QuadraticDiscriminantAnalysis()
model. fit (X, y)
Шаг 4: Используйте модель для прогнозирования
После того, как мы подогнали модель, используя наши данные, мы можем оценить, насколько хорошо модель работает, используя повторную стратифицированную k-кратную перекрестную проверку.
В этом примере мы будем использовать 10 сгибов и 3 повтора:
#Define method to evaluate model
cv = RepeatedStratifiedKFold(n_splits= 10 , n_repeats= 3 , random_state= 1 )
#evaluate model
scores = cross_val_score(model, X, y, scoring='accuracy', cv=cv, n_jobs=-1)
print(np.mean (scores))
0.97333333333334
Мы видим, что модель показала среднюю точность 97,33% .
Мы также можем использовать модель, чтобы предсказать, к какому классу принадлежит новый цветок, на основе входных значений:
#define new observation
new = [5, 3, 1, .4]
#predict which class the new observation belongs to
model. predict([new])
array(['setosa'], dtype='<U10')
Мы видим, что модель предсказывает, что это новое наблюдение принадлежит виду, называемому setosa .
Вы можете найти полный код Python, использованный в этом руководстве , здесь .