真假鈔票鑒別項目11項目目標知識目標掌握機器學習項目的實施流程。掌握機器學習項目中數(shù)據(jù)導入、數(shù)據(jù)探索與數(shù)據(jù)可視化的處理方法。掌握邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡算法的Sklearn實現(xiàn)方法。技能目標能夠使用邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡算法訓練模型。能夠針對特定數(shù)據(jù)集，選擇合適的機器學習算法。素養(yǎng)目標加強對時代發(fā)展的了解，提升工作能力、組織能力和創(chuàng)新能力。掌握新技術(shù)，努力成為集智能型、創(chuàng)造型、復合型和社會型等多種素養(yǎng)于一體的全方位型人才。項目導入真假鈔票的鑒別方法有很多，如借助放大鏡觀察鈔票表面的線條清晰度、用手觸摸鈔票等，這些方法都需要積累一定的經(jīng)驗，對于不常與鈔票打交道的人來說，很難實現(xiàn)。項目導入于是，小旌想運用科學的方法來解決此問題，他打算使用機器學習算法訓練一個能夠鑒別真假鈔票的模型，然后使用該模型進行鑒別。項目導入小旌采用的數(shù)據(jù)集是鈔票鑒別數(shù)據(jù)集(見本書配套素材“item11/data_banknote_authentication.txt”文件）項目導入該數(shù)據(jù)集共有1372條數(shù)據(jù)，每條數(shù)據(jù)包含4個特征變量和1個類別標簽。其中，特征變量為variance、skewness、kurtosis和entropy（特征變量由真鈔和假鈔樣本圖片經(jīng)小波變換提取得到），分別表示圖片經(jīng)小波變換后的方差、偏度（偏度用于統(tǒng)計數(shù)據(jù)偏斜方向和程度）、峰度（峰度用于描述概率密度分布曲線在平均值處峰值的高低）和熵（圖片的平均信息量）；類別標簽表示鈔票所屬的類別，1表示真鈔，0表示假鈔，部分數(shù)據(jù)如表11-1所示。項目導入表11-1鈔票鑒別數(shù)據(jù)集（部分）varianceskewnesskurtosisentropyclass3.62168.6661?2.8073?0.4469904.54598.1674?2.4586?1.462103.866?2.63831.92420.1064503.45669.5228?4.0112?3.594400.32924?4.45524.5718?0.98880……………0.406141.3492?1.4501?0.559491?1.3887?4.87736.47740.341791?3.7503?13.458617.5932?2.77711?3.5637?8.382712.393?1.28231?2.5419?0.658042.68421.19521暢所欲言8請查閱相關(guān)資料，討論什么是小波變換。項目分析按照項目要求，訓練真假鈔票鑒別模型的步驟分解如下。第1步：數(shù)據(jù)導入。使用Pandas讀取鈔票鑒別數(shù)據(jù)并為數(shù)據(jù)集指定列名稱，然后將數(shù)據(jù)集進行輸出。第2步：數(shù)據(jù)探索。通過類別標簽class對數(shù)據(jù)集進行分組，得到真鈔樣本與假鈔樣本在數(shù)據(jù)集中的數(shù)目，然后對數(shù)據(jù)集中的數(shù)據(jù)進行統(tǒng)計，獲取樣本數(shù)量、樣本均值、標準差、最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值等信息。第3步：數(shù)據(jù)可視化。首先，繪制直方圖，顯示樣本數(shù)據(jù)各個特征的分布情況；然后，繪制箱形圖，了解各特征數(shù)據(jù)的分散情況；最后，繪制散點圖，探索樣本數(shù)據(jù)兩兩特征之間的關(guān)系。第4步：算法評估。分別使用邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡算法搭建模型，并使用交叉驗證法評估每個模型的預測準確率。第5步：訓練與評估模型。選擇最優(yōu)模型，使用訓練集進行訓練，然后使用測試集進行評估，并輸出模型的評估報告。第6步：預測新數(shù)據(jù)。使用訓練完成的模型對新數(shù)據(jù)進行鑒別，并輸出其鑒別結(jié)果。項目準備全班學生以3～5人為一組進行分組，各組選出組長，組長組織組員掃碼觀看“數(shù)據(jù)分析基本流程”視頻，討論并回答下列問題。問題1：什么是數(shù)據(jù)分析？問題2：畫出數(shù)據(jù)分析的流程圖。點擊此處播放微課常見的聚類算法項目實施——真假鈔票鑒別步驟1

導入Pandas庫。步驟2讀取鈔票鑒別數(shù)據(jù)并為數(shù)據(jù)集指定列名稱為variance、skewness、kurtosis、entropy和class。步驟3輸出鈔票鑒別數(shù)據(jù)集。11點擊此處播放微課數(shù)據(jù)導入

1．數(shù)據(jù)導入12開始編寫程序前，須將本書配套素材“item11/data_banknote_authentication.txt”文件復制到當前工作目錄中，也可將數(shù)據(jù)文件放于其他盤，如果放于其他盤，使用Pandas讀取數(shù)據(jù)文件時要指定路徑。項目實施——真假鈔票鑒別指點迷津13【運行結(jié)果】

程序運行結(jié)果如圖1所示。可見，數(shù)據(jù)集導入成功。項目實施——真假鈔票鑒別圖1鈔票鑒別數(shù)據(jù)集1．數(shù)據(jù)準備【參考代碼】importpandasaspdnames=['variance','skewness','kurtosis','entropy','class']dataset=pd.read_csv('data_banknote_authentication.txt',delimiter=',',names=names)print('鈔票鑒別數(shù)據(jù)集')print(dataset)14步驟1通過類別標簽class對數(shù)據(jù)集進行分組，得到真鈔樣本與假鈔樣本在數(shù)據(jù)集中的數(shù)目。【參考代碼】項目實施——真假鈔票鑒別print(dataset.groupby('class').size()) #groupby()函數(shù)用于對數(shù)據(jù)進行分組，size()函數(shù)用于獲取真鈔樣本與假鈔樣本在數(shù)據(jù)集中的數(shù)目點擊此處播放微課數(shù)據(jù)探索【運行結(jié)果】

程序運行結(jié)果如圖2所示?？梢姡瑪?shù)據(jù)集中“0”所代表的假鈔樣本數(shù)略多于“1”所代表的真鈔樣本數(shù)，數(shù)據(jù)分布基本處于均衡狀態(tài)。圖2數(shù)據(jù)分組結(jié)果2．數(shù)據(jù)探索15一般而言，若數(shù)據(jù)集中樣本數(shù)據(jù)類別不均衡的比例超過1∶4，則通過該數(shù)據(jù)集訓練出的模型很可能無法滿足預測準確性要求。針對這個問題，可采用如下解決方案：①擴充數(shù)據(jù)集，增加小類樣本的數(shù)量，如果數(shù)據(jù)獲取有困難，可考慮更新數(shù)據(jù)集的采樣規(guī)則，對小類樣本進行過采樣，對大類樣本進行欠采樣；②增加人造數(shù)據(jù)，減少由訓練數(shù)據(jù)不均衡帶來的影響。項目實施——真假鈔票鑒別在很多實際的分類項目中，訓練數(shù)據(jù)的分布是不均衡的（訓練數(shù)據(jù)不均衡指訓練集中從屬于不同類別的樣本數(shù)目相差很大），這會對訓練結(jié)果造成很大的影響。高手點撥16步驟2使用describe()函數(shù)對數(shù)據(jù)集中的數(shù)據(jù)進行統(tǒng)計，獲取樣本數(shù)量、樣本均值、標準差、最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值等信息?！緟⒖即a】項目實施——真假鈔票鑒別【運行結(jié)果】

程序運行結(jié)果如圖3所示。圖3數(shù)據(jù)集信息統(tǒng)計print(dataset.describe())2．數(shù)據(jù)探索17數(shù)據(jù)可視化能夠更直觀地反映數(shù)據(jù)間的關(guān)聯(lián)性與分布情況。可視化圖形包含單變量圖和多變量圖單變量圖：主要包含直方圖、柱狀圖和箱形圖，能更好地展示樣本中每個特征的屬性多變量圖：主要包含折線圖和散點圖，能反映出樣本數(shù)據(jù)兩兩特征之間的關(guān)系項目實施——真假鈔票鑒別點擊此處播放微課數(shù)據(jù)可視化3．數(shù)據(jù)可視化18【運行結(jié)果】

程序運行結(jié)果如圖4所示。可見，variance特征近似高斯分布。圖4鈔票鑒別數(shù)據(jù)集直方圖項目實施——真假鈔票鑒別3．數(shù)據(jù)可視化【參考代碼】importmatplotlib.pyplotasplt#分別提取數(shù)據(jù)集中的特征變量和標簽值data=dataset.iloc[range(0,1372),range(0,4)].valuestarget=dataset.iloc[range(0,1372),range(4,5)].values.reshape(1,1372)[0]names=['variance','skewness','kurtosis','entropy']#繪制直方圖plt.figure() #創(chuàng)建繪圖對象fori,nameinenumerate(names):plt.subplot(2,2,i+1)plt.hist(data[:,i]) #繪制直方圖plt.title(name)plt.tight_layout() #調(diào)整圖形布局plt.show()步驟1繪制直方圖，顯示樣本數(shù)據(jù)各個特征的分布情況。19【運行結(jié)果】

程序運行結(jié)果如圖5所示?？梢姡瑪?shù)據(jù)集樣本中4個特征屬性的中位數(shù)均靠近零點，沒有異常值出現(xiàn)。圖5鈔票鑒別數(shù)據(jù)集箱形圖項目實施——真假鈔票鑒別3．數(shù)據(jù)可視化【參考代碼】步驟2繪制箱形圖，了解各特征數(shù)據(jù)的分散情況。plt.figure() #創(chuàng)建繪圖對象fori,nameinenumerate(names):plt.subplot(2,2,i+1)plt.boxplot(data[:,i],whis=4) #繪制箱形圖plt.title(name)plt.tight_layout() #調(diào)整圖形布局plt.show()20【運行結(jié)果】

程序運行結(jié)果如圖6所示?？梢姡?個特征屬性之間存在明顯的相互關(guān)系。圖4鈔票鑒別數(shù)據(jù)集直方圖項目實施——真假鈔票鑒別3．數(shù)據(jù)可視化【參考代碼】步驟3繪制散點圖，探索樣本數(shù)據(jù)兩兩特征之間的關(guān)系。plt.figure() #創(chuàng)建繪圖對象foriinrange(4): forjinrange(4):plt.subplot(4,4,j+1)plt.scatter(data[:,i],data[:,j]) #繪制散點圖plt.xlabel(names[j])plt.ylabel(names[i])plt.tight_layout() #調(diào)整圖形布局plt.show()21散點圖能夠展示出變量之間的相互影響程度，若變量之間不存在相互關(guān)系，則散點圖中的點將會呈現(xiàn)出隨機分布的形式；若存在相互關(guān)系，則圖中大部分的點會以某種趨勢密集呈現(xiàn)。項目實施——真假鈔票鑒別指點迷津22項目實施——真假鈔票鑒別機器學習中有很多算法可用于分類模型的訓練，但對于某一特定的數(shù)據(jù)集，選用哪種算法訓練模型更適合需要進行探索。接下來，將選擇邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡這7種算法來搭建模型，探索哪種算法在鈔票鑒別數(shù)據(jù)集中能達到最佳效果。點擊此處播放微課算法評估4．算法評估23步驟1導入上述7種算法的相應模塊，為搭建模型做準備。步驟2導入train_test_split方法，將數(shù)據(jù)集拆分為訓練集與測試集。步驟3分別使用上述7種算法搭建模型，并將各個模型加入model列表中。項目實施——真假鈔票鑒別4．算法評估24【參考代碼】#導入算法模塊fromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegression #導入邏輯回歸算法模塊fromsklearn.neighborsimportKneighborsClassifier #導入k近鄰分類算法模塊fromsklearn.naive_bayesimportGaussianNB #導入高斯樸素貝葉斯算法模塊fromsklearn.treeimportDecisionTreeClassifier #導入決策樹分類算法模塊fromsklearn.svmimportSVC

#導入支持向量機分類模塊fromsklearn.ensembleimportRandomForestClassifier #導入隨機森林分類算法模塊fromsklearn.neural_networkimportMLPClassifier #導入神經(jīng)網(wǎng)絡算法模塊項目實施——真假鈔票鑒別4．算法評估25【參考代碼】#拆分數(shù)據(jù)集x,y=data,targetx_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=100)#搭建模型models=[]LRmodel=LogisticRegression(solver='liblinear')#搭建邏輯回歸模型kNNmodel=KNeighborsClassifier() #搭建k近鄰模型GNBmodel=GaussianNB() #搭建高斯樸素貝葉斯模型DTreemodel=DecisionTreeClassifier(random_state=1)

#搭建決策樹分類模型SVMmodel=SVC(gamma='auto',random_state=1) #搭建支持向量機分類模型RFmodel=RandomForestClassifier(n_estimators=10,random_state=1)

#搭建隨機森林分類模型MLPmodel=MLPClassifier(hidden_layer_sizes=(5,5),random_state=1,max_iter=500) #搭建神經(jīng)網(wǎng)絡模型項目實施——真假鈔票鑒別4．算法評估26【參考代碼】#將各個模型加入models中models.append(('LRmodel',LRmodel))models.append(('kNNmodel',kNNmodel))models.append(('GNBmodel',GNBmodel))models.append(('DTreemodel',DTreemodel))models.append(('SVMmodel',SVMmodel))models.append(('RFmodel',RFmodel))models.append(('MLPmodel',MLPmodel))項目實施——真假鈔票鑒別4．算法評估27步驟4使用交叉驗證法約束模型的訓練過程，并估計每個模型的預測準確率。本項目將采用10折交叉驗證訓練模型，即將訓練集分為10份，輪流使用其中的9份進行訓練，1份進行驗證，重復使用隨機劃分的樣本進行10次訓練與驗證，將10次訓練結(jié)果的均值作為最終模型的預測準確率。項目實施——真假鈔票鑒別4．算法評估28在Slearn中，可使用model_selection模塊中的Kfold(n_splits=10,random_state=100,shuffle=True)函數(shù)傳入折數(shù)和隨機種子實現(xiàn)交叉驗證算法。其中，參數(shù)shuffle取值為True時，表示打亂數(shù)據(jù)集的順序，每次都以不同的順序返回數(shù)據(jù)。項目實施——真假鈔票鑒別指點迷津29【運行結(jié)果】

程序運行結(jié)果如圖7所示?？梢?，支持向量機模型與神經(jīng)網(wǎng)絡模型的預測準確率最高，達到了100%。圖7各個模型的預測準確率項目實施——真假鈔票鑒別4．算法評估【參考代碼】fromsklearn.model_selectionimportcross_val_scorefromsklearn.model_selectionimportKFoldforname,modelinmodels:kfold=KFold(n_splits=10,random_state=100,shuffle=True) #10折交叉驗證cv_scores=cross_val_score(model,x_train,y_train,cv=kfold,scoring='accuracy')print('%s的預測準確率為：%f'%(name,cv_scores.mean()))30【運行結(jié)果】

程序運行結(jié)果如圖8所示?？梢?，支持向量機模型在測試集上的預測準確率能夠達到100%。圖8支持向量機模型評估報告項目實施——真假鈔票鑒別5．訓練與評估模型點擊此處播放微課訓練與評估模型步驟1訓練支持向量機模型，并使用測試集對模型進行評估，輸出其評估報告。【參考代碼】#訓練與評估模型（支持向量機模型）fromsklearn.metricsimportclassification_reportSVMmodel=SVC(gamma='auto',random_state=1)SVMmodel.fit(x_train,y_train)#對模型進行評估，并輸出評估報告pred=SVMmodel.predict(x_test)re=classification_report(y_test,pred)print('支持向量機模型評估報告：')print(re)31【運行結(jié)果】

程序運行結(jié)果如圖9所示?？梢?，神經(jīng)網(wǎng)絡模型在測試集上的預測準確率也能夠達到100%，但是與支持向量機模型相比較，神經(jīng)網(wǎng)絡模型的計算量更大，模型預測速度相對較慢。圖9神經(jīng)網(wǎng)絡模型評估報告項目實施——真假鈔票鑒別5．訓練與評估模型步驟2訓練神經(jīng)網(wǎng)絡模型，并使用測試集對模型進行評估，輸出其評估報告?！緟⒖即a】#訓練與評估模型（神經(jīng)網(wǎng)絡模型）MLPmodel=MLPClassifier(hidden_layer_sizes=(5,5),random_state=1,max_iter=500)MLPmodel.fit(x_train,y_train)#對模型進行評估，并輸出評估報告pred=MLPmodel.predict(x_test)re=classification_report(y_test,pred)print('神經(jīng)網(wǎng)絡模型評估報告：')print(re)32項目實施——真假鈔票鑒別步驟1數(shù)據(jù)準備。新數(shù)據(jù)為某鈔票圖片經(jīng)小波變換后得到的數(shù)據(jù)，其值為3.8216、5.6661、?2.7074和?0.46611。步驟2模型預測。分別使用訓練完成的支持向量機模型與神經(jīng)網(wǎng)絡模型對新數(shù)據(jù)進行預測，并輸出預測結(jié)果。點擊此處播放微課預測新數(shù)據(jù)6．預測新數(shù)據(jù)33【運行結(jié)果】

程序運行結(jié)果如圖10所示?？梢?，兩個模型對新數(shù)據(jù)的預測值是一致的，新數(shù)據(jù)所對應的鈔票是假鈔。圖10兩個模型的預測結(jié)果項目實施——真假鈔票鑒別6．預測新數(shù)據(jù)【參考代碼】x_new=[[3.8216,5.6661,-2.7074,-0.46611]]#支持向量機模型預測新數(shù)據(jù)SVMscore=SVMmodel.predict(x_new)ifSVMscore==0:print("支持向量機模型預測結(jié)果：該鈔票是假鈔")else:print("支持向量機模型預測結(jié)果：該鈔票是真鈔")#神經(jīng)網(wǎng)絡模型預測新數(shù)據(jù)MLPscore=MLPmodel.predict(x_new)ifMLPscore==0:print("神經(jīng)網(wǎng)絡模型預測結(jié)果：該鈔票是假鈔")else:print("神經(jīng)網(wǎng)絡模型預測結(jié)果：該鈔票是真鈔")34元宇宙（metaverse）是人類運用5G、云計算、人工智能、虛擬現(xiàn)實、區(qū)塊鏈、數(shù)字貨幣、物聯(lián)網(wǎng)、人機交互等技術(shù)構(gòu)建的現(xiàn)實世界映射或超越現(xiàn)實世界、可與現(xiàn)實世界交互的虛擬世界，是具備新型社會體系的數(shù)字生活空間。在元宇宙這一全新的世界維度中，人工智能不僅能使元宇宙的形式更多樣、體驗更動人，還能使元宇宙本身的產(chǎn)業(yè)賦能效應得以充分發(fā)揮，實現(xiàn)過去未曾實現(xiàn)的創(chuàng)意。此外，元宇宙也能將人工智能的應用延伸至更廣闊的空間，從而實現(xiàn)人工智能與元宇宙的雙向奔赴。項目實施——真假鈔票鑒別素養(yǎng)之窗項目實訓（1）掌握使用Pandas讀取數(shù)據(jù)的方法。（2）掌握數(shù)據(jù)探索與數(shù)據(jù)可視化方法。（3）掌握使用邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡算法訓練分類模型的方法。（4）掌握分類模型的評估方法。351．實訓目的項目實訓36表11-2小麥種子數(shù)據(jù)集（部分）區(qū)

域周

長緊密度籽粒長度籽粒寬度不對稱系數(shù)籽粒腹溝長度所屬類別15.2614.840.8715.7633.3122.2215.22114.8814.570.88115.5543.3331.0184.956114.2914.090.9055.2913.3372.6994.825113.8413.940.89555.3243.3792.2594.805116.1414.990.90345.6583.5621.3555.1751……………………17.6315.980.86736.1913.5614.0766.06216.8415.670.86235.9983.4844.6755.877217.2615.730.87635.9783.5944.5395.791219.1116.260.90816.1543.932.9366.079216.8215.510.87866.0173.4864.0045.8412……………………13.0713.920.8485.4722.9945.3045.395313.3213.940.86135.5413.0737.0355.44313.3413.950.8625.3893.0745.9955.307312.2213.320.86525.2242.9675.4695.221311.8213.40.82745.3142.7774.4715.17832．實訓內(nèi)容現(xiàn)有小麥種子數(shù)據(jù)集，該數(shù)據(jù)集共有210條數(shù)據(jù)，每條數(shù)據(jù)包含7個特征變量和1個類別標簽。其中，特征變量包括area、perimeter、compactness、lengthofkernel、widthofkernel、asymmetrycoefficient和lengthofkernelgroove，分別表示小麥種子的區(qū)域、周長、緊密度、籽粒長度、籽粒寬度、不對稱系數(shù)和籽粒腹溝長度；類別標簽表示小麥種子的所屬類別，共有3個類別，分別用1、2和3表示，部分數(shù)據(jù)如表11-2所示。要求使用該數(shù)據(jù)集訓練邏輯回歸、k近鄰、高斯樸素貝葉斯、決策樹、支持向量機、隨機森林和神經(jīng)網(wǎng)絡模型，并從中選出最優(yōu)模型，然后輸出最優(yōu)模型的評估報告。項目實訓37（1）啟動JupyterNotebook，以Python3工作方式新建JupyterNotebook文檔，并重命名為“item11-sx.ipynb”。（2）數(shù)據(jù)導入。①導入Pandas庫。②使用Pandas讀取小麥種子數(shù)據(jù)集（數(shù)據(jù)集見本書提供的配套素材“item11/seeds_dataset.txt”文件）并賦值給變量dataset。要求讀取數(shù)據(jù)的同時要為數(shù)據(jù)集指定列名稱，分別為區(qū)域、周長、緊密度、籽粒長度、籽粒寬度、不對稱系數(shù)、籽粒腹溝長度和類別標簽。③輸出小麥種子數(shù)據(jù)集。2．實訓內(nèi)容項目實訓38（3）數(shù)據(jù)探索。①通過類別標簽對數(shù)據(jù)集進行分組，得到3種類型的小麥種子在數(shù)據(jù)集中的數(shù)目。②數(shù)據(jù)統(tǒng)計。使用describe()