2025年P(guān)ython機器學習考試模擬試卷：Scikit-learn模型訓練考試時間：______分鐘總分：______分姓名：______注意：請確保在運行以下代碼之前已經(jīng)安裝了`numpy`,`pandas`,`scikit-learn`庫。```pythonimportnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.preprocessingimportStandardScaler,OneHotEncoderfromposeimportColumnTransformerfromsklearn.pipelineimportPipelinefromsklearn.linear_modelimportLogisticRegressionfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportaccuracy_score,classification_report#1.加載Iris數(shù)據(jù)集iris=load_iris()X=iris.datay=iris.targetfeature_names=iris.feature_namestarget_names=iris.target_names#假設(shè)我們將前兩個特征視為數(shù)值型，第三個特征（'petallength(cm)'）視為類別型（雖然它本身是數(shù)值，但這里按題目要求處理）#為了模擬，我們手動修改一個值使其成為缺失值X[0,2]=np.nan#2.將數(shù)據(jù)轉(zhuǎn)換為DataFrame以便后續(xù)處理df=pd.DataFrame(X,columns=feature_names)df['species']=y#添加目標變量列df['petallength(cm)']=df['petallength(cm)'].astype('float')#確保是浮點型，以便處理缺失值#分離出數(shù)值型和類別型特征列numeric_features=['sepallength(cm)','sepalwidth(cm)','petallength(cm)']categorical_features=['petalwidth(cm)']#假設(shè)最后一個特征是需要編碼的類別特征#3.劃分數(shù)據(jù)集X_train,X_test,y_train,y_test=train_test_split(df[numeric_features+categorical_features],df['species'],test_size=0.3,random_state=42)#4.創(chuàng)建預(yù)處理步驟#對數(shù)值型特征進行標準化numeric_transformer=StandardScaler()#對類別型特征進行獨熱編碼categorical_transformer=OneHotEncoder(handle_unknown='ignore')#使用ColumnTransformer組合不同的預(yù)處理步驟preprocessor=ColumnTransformer(transformers=[('num',numeric_transformer,numeric_features),('cat',categorical_transformer,categorical_features)])#5.創(chuàng)建一個包含預(yù)處理和模型的Pipeline#選擇LogisticRegression作為基礎(chǔ)模型pipeline=Pipeline(steps=[('preprocessor',preprocessor),('classifier',LogisticRegression(solver='liblinear',max_iter=200))])#6.使用訓練數(shù)據(jù)訓練Pipelinepipeline.fit(X_train,y_train)#7.使用訓練好的Pipeline對測試集進行預(yù)測y_pred=pipeline.predict(X_test)#8.計算并輸出模型在測試集上的準確率accuracy=accuracy_score(y_test,y_pred)print(f"ModelAccuracy:{accuracy:.4f}")#9.輸出詳細的分類報告（包含precision,recall,f1-score）print("\nClassificationReport:")print(classification_report(y_test,y_pred,target_names=target_names))#10.現(xiàn)在我們嘗試使用GridSearchCV來尋找更好的參數(shù)#為LogisticRegression定義一個參數(shù)網(wǎng)格param_grid={'classifier__C':[0.01,0.1,1,10],'classifier__penalty':['l1','l2']#注意：liblinear只支持l1和l2}#創(chuàng)建GridSearchCV對象grid_search=GridSearchCV(pipeline,param_grid,cv=5,scoring='accuracy')#使用訓練數(shù)據(jù)運行網(wǎng)格搜索grid_search.fit(X_train,y_train)#11.輸出網(wǎng)格搜索找到的最佳參數(shù)組合print(f"\nBestparametersfoundbyGridSearchCV:{grid_search.best_params_}")#12.使用網(wǎng)格搜索找到的最佳模型進行預(yù)測，并計算準確率best_model=grid_search.best_estimator_y_pred_best=best_model.predict(X_test)accuracy_best=accuracy_score(y_test,y_pred_best)print(f"BestModelAccuracy:{accuracy_best:.4f}")#13.假設(shè)我們需要處理新的未知數(shù)據(jù)，并使用最佳模型進行預(yù)測#創(chuàng)建一些新的模擬數(shù)據(jù)（注意：新數(shù)據(jù)的列名和順序必須與訓練數(shù)據(jù)一致）#并且類別型特征需要與訓練時使用的編碼器保持一致new_data=pd.DataFrame({'sepallength(cm)':[5.1,6.5],'sepalwidth(cm)':[3.5,3.0],'petallength(cm)':[1.4,5.2],#包含一個缺失值'petalwidth(cm)':['0.2','1.8']#假設(shè)類別型特征以字符串形式給出，需要編碼})#使用最佳模型（best_model）的predict方法進行預(yù)測#注意：best_model內(nèi)部已經(jīng)包含了preprocessor，所以直接傳入原始新數(shù)據(jù)即可y_pred_new=best_model.predict(new_data)print(f"\nPredictionsfornewdata:{y_pred_new}")print(f"Predictedspeciesnames:{best_model.predict(new_data)}")#14.（思考題，無需代碼）如果使用決策樹（RandomForestClassifier）作為分類器，并重復(fù)上述的Pipeline構(gòu)建、訓練、評估過程，#你認為在預(yù)處理步驟、模型訓練以及調(diào)優(yōu)方面，與使用LogisticRegression相比，會有哪些主要的不同或需要注意的點？```---試卷答案第4題解析思路：本題考察數(shù)據(jù)劃分。使用`train_test_split`函數(shù)將數(shù)據(jù)分為訓練集和測試集是模型評估的標準步驟。需要設(shè)置`test_size`來指定測試集比例，`random_state`用于確保每次運行分割結(jié)果一致，便于復(fù)現(xiàn)和比較。這里指定`test_size=0.3`表示30%的數(shù)據(jù)用于測試。第5題解析思路：本題考察預(yù)處理步驟的創(chuàng)建。由于數(shù)據(jù)包含數(shù)值型和類別型特征，且數(shù)值型特征需要標準化，類別型特征需要獨熱編碼，因此適合使用`ColumnTransformer`。需要明確指定`transformers`參數(shù)，為每種類型的特征指定對應(yīng)的轉(zhuǎn)換器（`StandardScaler`和`OneHotEncoder`）以及它們應(yīng)用的列名。第6題解析思路：本題考察模型訓練。使用`Pipeline`將預(yù)處理步驟和分類模型串聯(lián)起來可以簡化流程并防止數(shù)據(jù)泄露。訓練模型只需調(diào)用`fit`方法，傳入訓練數(shù)據(jù)`X_train`和對應(yīng)的標簽`y_train`。Pipeline內(nèi)部會自動按順序執(zhí)行`preprocessor`和`classifier`的`fit`方法。第7題解析思路：本題考察模型預(yù)測。使用訓練好的Pipeline模型進行預(yù)測，只需調(diào)用`predict`方法，傳入測試數(shù)據(jù)`X_test`。Pipeline內(nèi)部會自動應(yīng)用`preprocessor`的`transform`方法（因為測試集不需要再擬合預(yù)處理器）和`classifier`的`predict`方法。第8題解析思路：本題考察模型評估指標的計算。模型評估需要將預(yù)測結(jié)果`y_pred`與真實標簽`y_test`進行比較。準確率（Accuracy）是常用的分類任務(wù)評估指標，計算預(yù)測正確的樣本數(shù)占總樣本數(shù)的比例。使用`accuracy_score`函數(shù)可以方便地計算得到。第9題解析思路：本題考察模型評估指標的深入理解。僅計算準確率可能無法全面反映模型性能，特別是當數(shù)據(jù)集類別不平衡時。分類報告（ClassificationReport）提供了更詳細的性能指標，包括每個類別的精確率（Precision）、召回率（Recall）和F1分數(shù)（F1-Score），以及宏平均（MacroAverage）和微平均（MicroAverage）。使用`classification_report`函數(shù)可以生成該報告。第10題解析思路：本題考察超參數(shù)調(diào)優(yōu)方法。為了找到模型的最佳性能，可以使用`GridSearchCV`進行網(wǎng)格搜索。需要定義一個參數(shù)網(wǎng)格`param_grid`，其中包含要搜索的參數(shù)名稱（需使用`Pipeline`中步驟的名稱作為前綴，如`classifier__C`）和對應(yīng)的候選值。`GridSearchCV`會遍歷所有參數(shù)組合，使用交叉驗證（`cv=5`）評估每一組合的性能（`scoring='accuracy'`），最終選擇最佳參數(shù)組合。需要調(diào)用`fit`方法執(zhí)行搜索。第11題解析思路：本題考察網(wǎng)格搜索結(jié)果的獲取。`GridSearchCV`對象在完成搜索后會記錄下最佳參數(shù)組合?？梢酝ㄟ^訪問其`best_params_`屬性來獲取這些參數(shù)。這是選擇最優(yōu)模型配置的關(guān)鍵一步。第12題解析思路：本題考察使用最佳模型進行評估。網(wǎng)格搜索完成后，`GridSearchCV`的`best_estimator_`屬性包含了使用最佳參數(shù)組合訓練好的模型實例?？梢允褂眠@個最佳模型對測試集進行預(yù)測，并計算其準確率，以評估調(diào)優(yōu)后的效果是否有所提升。第13題解析思路：本題考察模型在實際新數(shù)據(jù)上的應(yīng)用。`Pipeline`的設(shè)計優(yōu)勢在于封裝了預(yù)處理和模型，使得對新數(shù)據(jù)的預(yù)測變得簡單。即使新數(shù)據(jù)包含缺失值或需要與訓練時相同的編碼，只需將新數(shù)據(jù)作為`DataFrame`傳入最佳模型的`predict`方法即可。內(nèi)部會自動調(diào)用`preprocessor`的`transform`方法處理新數(shù)據(jù)。第14題解析思路：本題考察對不同模型的比較理解（思考題）。如果將分類器從`LogisticRegression`更換為`RandomForestClassifier`，主要的不同點包括：1.模型原理：LogisticRegression是線性模型，假設(shè)數(shù)據(jù)線性可分；RandomForest是集成模型（基于決策樹），通過多個決策樹的投票進行預(yù)測，能捕捉更復(fù)雜的非線性關(guān)系。2.參數(shù)：兩個模型的超參數(shù)不同。例如，RandomForest有`n_estimators`（樹的數(shù)量）、`max_depth`（樹的最大深度）、`min_samples_split`（分割內(nèi)部節(jié)點所需的最小樣本數(shù)）等關(guān)鍵參數(shù)。調(diào)優(yōu)時需要關(guān)注這些新的參數(shù)。3.預(yù)處理依賴性：LogisticRegression通常對特征縮放敏感（特別是正則化項），而RandomForest對特