Python投資｜機械學習sklearn函式庫應用拆解（二）

撰文｜冰鳳流 歡迎回到「機械學習sklearn函式庫應用拆解」系列的第二篇，要回顧第一篇，可以點以下連結： 筆者簡單介紹第一篇文章的編碼的作用，是由Python隨機產生100組數據，每組數據有蘑菇名稱、size數值和length數值，然後以數據框架（dataframe）的格式儲存這些數據。 至於本篇文章，則會講解第4段編碼，這涉及如何分類數據，讓Python之後按既定格式和步驟進行機械學習，如下圖： 機械學習的原理，是先要電腦程式做訓練，訓練的過程是抽取大部份數據組讓電腦程式檢閱，分析數據有什麼規律。然後，便進入測試環節，把餘下的小部份數據刪去部份資料，讓電腦依據分析出來的規律和僅存的資料，來推敲缺失的資料應是什麼。經過這兩個部驟，便讓電腦建立和調整好一個預測模型了。而第4至7段的編碼，便是對應這些功能。 第4段第1行編碼，是「from sklearn.model_selection import train_test_split」，即由sklearn.model_selection函式庫輸入train_test_split函式，train_test_split的作用是分配用於訓練和測試的數據組。 第4段第2行編碼，是「X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2)」，這裏便是界定如何使用train_test_split函式分割數據組，其格式是「X1, X2, y1, y2 train_test_split(X, y, test_size?)」。 我們先理解「test_size ＝？」的作用，如之前所述，在機械學習的過程中，是把數據組按某個比例分割，例如八成用於訓練，由此學習到初步的預測模型，兩成用於測試預測模型，而「test_size ＝？」便是要來指明多少個百分比的數據用於測試的環節，「test_size0.2」，0.2等於20%，便是指兩成用於測試，用於訓練的數據的百分比不用定義了，因未用於測試的數據組會被默認用於訓練。 然後來看X1和X2位置，這兩處都是指示放什麼數據組，在這次program中，俱取自第一篇文章提及的第三段編碼所構成的數據項目「X」，故此會見到train_test_split後括號的第一個位置，是引用「X」項目，即是刪除蘑菇名稱外的數據組，內含「size」和「length」的數值。 在第4段第2行編碼，命名了新項目「X_train」於X1的位置上，內含八成「size」和「length」的數值；命名了新項目「X_test」於X2位置上，內含兩成「size」和「length」的數值。 接着看y1和y2位置，也是在指示放什麼數據組，在這次program中，俱引用數據項目「y」，而在train_test_split後括號的第二個位置，也是填入「y」進行引用，即是只有蘑菇名稱的數據組。 y1位置命名了新項目「y_train」，內含八成蘑菇名稱的數值；命名了新項目「y_test」於y2位置上，內含兩成蘑菇名稱的數值。 如要翻查這次Python program的完整編碼，可點擊以下連結： https://colab.research.google.com/drive/1iy_kbpVZS_oah3VWRFkEZBAUInTEyqDN?uspsharing#scrollTopS0wPSPNDpTx 下一篇文章，便進入機械學習函式庫的設定環節，讀者們別錯過。 作者簡介： 一個能糅合股票、期權、信用卡等財技的人。 免責聲明： 本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。

Python投資｜機械學習sklearn函式庫應用拆解（二）

最新文章

開東亞銀行至尊理財享獎賞高達HK$3,700