在机器学习领域，寻找最优模型参数是一个重要的步骤，它直接影响模型的泛化能力和预测准确性。本文将通过一个具体案例介绍如何使用支持向量机（SVM）和网格搜索（GridSearchCV）来预测学生的成绩，并通过调整参数来优化模型性能。
数据集：公众号“码银学编程”后台回复：学生成绩-SVM
引言
学生的成绩预测对于教育领域来说是一个重要的问题，它可以帮助教师更好地了解学生的学习情况，从而进行针对性的教学改进。在本案例中，我们将使用 SVM 作为分类器，并利用 GridSearchCV 对模型参数进行调优，以期获得更好的预测效果。
正文
1. 数据准备
首先，我们从 CSV 文件中加载学生成绩数据集。数据集包含了多门课程的成绩，我们将这些成绩转换为等级，并使用 LabelEncoder 将分类数据转换为数值形式，以便 SVM 模型能够处理。
stu_grade = pd.read_csv('student-mat.csv')
print(stu_grade.head())
- age-学生年龄(数字:从15岁到22岁)
- Medu – 母亲教育(数字:0 -无，1 -小学教育(四年级)，2 -” 5 – 9年级，3 -“中等教育或，4 -“高等教育)
- Fedu – 父亲教育(数字:0 -无，1 -小学教育(4年级)，2 — 5 – 9年级，3 —中等教育或4 —高等教育)
- traveltime – 从家到学校的旅行时间(数字:1 – <15分钟，2 – 15 – 30分钟，3 – 30分钟到1小时，或4 – >1小时)
- studytime – 每周学习时间(数字:1 – <2小时，2 – 2 – 5小时，3 – 5 – 10小时，或4 – >10小时)
- failures – 过去班级失败的次数(数值:如果1<=n<3，则为n，否则为4)
- famrel – 家庭关系质量(数字:1 -非常差到5 -极好)
- freetime – 放学后的空闲时间(数字:从1 -非常少到5 -非常多)
- goout – 和朋友出去(数字:从1 -非常低到5 -非常高)
- Dalc – 工作日酒精消耗量(数字:1 -极低至5 -极高)
- Walc – 周末饮酒(数字:1 -极低至5 -极高)
- health – 当前健康状况(数字:从1-非常差到5-非常好)
- absences – 学校缺勤次数(数字:从0到93)
- G1 -第一阶段等级(数字:从0到20)
- G2 -第二阶段等级(数字:从0到20)
- G3 -最终等级(数字:从0到20，输出目标)
2. 模型选择与训练
SVM 是一种强大的分类算法，适用于各种类型的数据。在本案例中，我们选择了 SVC 类，它实现了支持向量分类算法。模型训练前，我们通过 train_test_split 将数据集划分为训练集和测试集。
X_train, X_test, Y_train, Y_test = train_test_split(stu_data.drop('G3', axis=1), # 特征
stu_data['G3'], # 目标变量
test_size=0.3, random_state=5)
svm_model = SVC(random_state=6)
# 训练模型
svm_model.fit(X_train, Y_train)
# 使用训练好的模型进行预测
Y_pred = svm_model.predict(X_test)
print(Y_pred)3. 模型评估
在初始模型训练完成后，我们使用准确度（accuracy_score）和均方误差（mean_squared_error, MSE）来评估模型性能。准确度是衡量分类模型性能的常用指标，而 MSE 则提供了模型预测值与实际值之间差异的量化度量。
A = mean_absolute_error(Y_test, Y_pred)
S = mean_squared_error(Y_test, Y_pred)
# 输出训练集和测试集的分数
print("训练集准确度:", accuracy_score(Y_train, svm_model.predict(X_train)))
print("测试集准确度:", accuracy_score(Y_test, Y_pred))
print(f"Scores: MAE={A}, MSE={S}")4. 参数调优
为了进一步提升模型性能，我们采用了 GridSearchCV 进行参数调优。GridSearchCV 是 scikit-learn 提供的一个工具，它通过遍历给定的参数网格，使用交叉验证来寻找最佳的参数组合。在本案例中，我们调整了 SVM 的 `C`、`gamma` 和 `kernel` 参数。
# 参数网格，用于GridSearchCV寻找最佳参数
param_grid = {
'C': [0.01, 0.1, 0.2 , 0.3 , 0.4 , 0.5, 1, 10],
'gamma': [1, 0.1, 0.01, 0.001],
'kernel': ['rbf', 'poly', 'sigmoid']
}
# 创建GridSearchCV实例
grid_search = GridSearchCV(estimator=svm_model, param_grid=param_grid, cv=5, return_train_score=True)5. 最佳模型选择
经过 GridSearchCV 的搜索，我们得到了最佳的参数组合，并使用这些参数重新训练了 SVM 模型。再次使用准确度和 MSE 对优化后的模型进行评估，以验证参数调优的效果。
# 执行网格搜索找到最佳参数
grid_search.fit(X_train, Y_train)
# 输出最佳参数和对应的最佳分数
print("最佳参数:", grid_search.best_params_)
print("最佳分数:", grid_search.best_score_)
# 使用最佳参数创建新的SVM模型
best_svm_model = grid_search.best_estimator_
# 使用最佳模型进行预测
best_Y_pred = best_svm_model.predict(X_test)
# 计算并输出最佳模型的测试集准确度
print("优化后测试集准确度:", accuracy_score(Y_test, best_Y_pred))
MAE = mean_absolute_error(Y_test, best_Y_pred)
MSE = mean_squared_error(Y_test, best_Y_pred)
print(f"优化后Scores: MAE={MAE}, MSE={MSE}")6. 结果分析
通过比较优化前后的模型性能，我们可以得出参数调优是否有效的结论。在本案例中，我们发现通过调整参数，模型的准确度和 MSE 都有所改善，这表明 GridSearchCV 是一个有效的工具，可以帮助我们找到更好的模型参数。
小结
本案例展示了如何使用 SVM 和 GridSearchCV 对学生成绩进行预测，并优化模型参数。通过实验，我们证明了参数调优对于提升模型性能的重要性。
尽管本案例取得了一定的成果，但仍有改进的空间。例如，可以尝试更多的机器学习算法，或者使用更复杂的特征工程技术来进一步提升模型性能。此外，对于数据集的深入分析，如探索不同课程成绩之间的关联，也可能是一个有价值的研究方向。
参考文章
GitHub地址
完整代码与运行结果
import pandas as pd
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.svm import SVC
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import accuracy_score
from sklearn.metrics import mean_absolute_error, mean_squared_error
import warnings
# 忽略警告
warnings.filterwarnings("ignore", category=DeprecationWarning)
# 读取数据集
stu_grade = pd.read_csv('student.csv')
print(stu_grade.head())
# 特征选取
new_data = stu_grade.iloc[:, :] #所有的行和列
print(new_data.head())
# 将成绩转换为等级
def convert(x):
x = int(x)
if x < 5:
return 'bad'
elif x >= 5 and x < 10:
return 'medium'
elif x >= 10 and x < 15:
return 'good'
else:
return 'excellent'
stu_data = new_data.copy()
stu_data['G1'] = stu_data['G1'].map(lambda x: convert(x))
stu_data['G2'] = stu_data['G2'].map(lambda x: convert(x))
stu_data['G3'] = stu_data['G3'].map(lambda x: convert(x))
print(stu_data.head())
# 将分类特征转换为数值形式
label_encoders = {}
for column in ['G1', 'G2', 'G3']:
le = LabelEncoder()
stu_data[column] = le.fit_transform(stu_data[column])
label_encoders[column] = le
# 划分训练集和测试集
X_train, X_test, Y_train, Y_test = train_test_split(stu_data.drop('G3', axis=1), # 特征
stu_data['G3'], # 目标变量
test_size=0.3, random_state=5)
# 创建SVM模型实例
svm_model = SVC(random_state=6)
# 训练模型
svm_model.fit(X_train, Y_train)
# 使用训练好的模型进行预测
Y_pred = svm_model.predict(X_test)
print(Y_pred)
A = mean_absolute_error(Y_test, Y_pred)
S = mean_squared_error(Y_test, Y_pred)
# 输出训练集和测试集的分数
print("训练集准确度:", accuracy_score(Y_train, svm_model.predict(X_train)))
print("测试集准确度:", accuracy_score(Y_test, Y_pred))
print(f"Scores: MAE={A}, MSE={S}")
# 参数网格，用于GridSearchCV寻找最佳参数
param_grid = {
'C': [0.01, 0.1, 0.2 , 0.3 , 0.4 , 0.5, 1, 10],
'gamma': [1, 0.1, 0.01, 0.001],
'kernel': ['rbf', 'poly', 'sigmoid']
}
# 创建GridSearchCV实例
grid_search = GridSearchCV(estimator=svm_model, param_grid=param_grid, cv=5, return_train_score=True)
# 执行网格搜索找到最佳参数
grid_search.fit(X_train, Y_train)
# 输出最佳参数和对应的最佳分数
print("最佳参数:", grid_search.best_params_)
print("最佳分数:", grid_search.best_score_)
# 使用最佳参数创建新的SVM模型
best_svm_model = grid_search.best_estimator_
# 使用最佳模型进行预测
best_Y_pred = best_svm_model.predict(X_test)
# 计算并输出最佳模型的测试集准确度
print("优化后测试集准确度:", accuracy_score(Y_test, best_Y_pred))
MAE = mean_absolute_error(Y_test, best_Y_pred)
MSE = mean_squared_error(Y_test, best_Y_pred)
print(f"优化后Scores: MAE={MAE}, MSE={MSE}")
结果：
age Medu Fedu traveltime studytime ... health absences G1 G2 G3
0 18 4 4 2 2 ... 3 6 5 6 6
1 17 1 1 1 2 ... 3 4 5 5 6
2 15 1 1 1 2 ... 3 10 7 8 10
3 15 4 2 1 3 ... 5 2 15 14 15
4 16 3 3 1 2 ... 5 4 6 10 10
[5 rows x 16 columns]
age Medu Fedu traveltime studytime ... health absences G1 G2 G3
0 18 4 4 2 2 ... 3 6 5 6 6
1 17 1 1 1 2 ... 3 4 5 5 6
2 15 1 1 1 2 ... 3 10 7 8 10
3 15 4 2 1 3 ... 5 2 15 14 15
4 16 3 3 1 2 ... 5 4 6 10 10
[5 rows x 16 columns]
age Medu Fedu traveltime ... absences G1 G2 G3
0 18 4 4 2 ... 6 medium medium medium
1 17 1 1 1 ... 4 medium medium medium
2 15 1 1 1 ... 10 medium medium good
3 15 4 2 1 ... 2 excellent good excellent
4 16 3 3 1 ... 4 medium good good
[5 rows x 16 columns]
[2 0 2 2 2 2 3 2 2 2 2 0 2 1 2 1 2 2 2 2 2 2 2 2 2 2 1 2 2 2 0 3 2 2 1 3 2
2 1 2 2 1 2 2 2 3 2 3 2 2 1 2 2 2 2 2 2 3 3 3 2 2 3 2 2 2 1 2 2 2 2 2 2 2
3 2 2 1 3 1 2 1 3 0 1 0 3 2 2 2 0 2 2 2 2 1 2 3 2 3 2 2 2 2 0 2 2 2 3 2 2
2 2 2 2 3 2 1 3]
训练集准确度: 0.927536231884058
测试集准确度: 0.6218487394957983
Scores: MAE=0.4957983193277311, MSE=0.7983193277310925
最佳参数: {'C': 0.3, 'gamma': 0.01, 'kernel': 'poly'}
最佳分数: 0.8115942028985508
优化后测试集准确度: 0.8235294117647058
优化后Scores: MAE=0.2857142857142857, MSE=0.5882352941176471
Process finished with exit code 0
版权声明：本文为博主作者：码银原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/weixin_53197693/article/details/138275238
