（极好的机器学习案例）机器学习入门实操~~

阳光穿透心脏的1/2处 2023-09-25 14:28 99阅读 0赞

菜鸟学习法

###  ###

由于我悟性不高，一般学习一个新的东西，对于初见的一些概念，很难理解其意。我总是喜欢先找个实实在在的例子，跟着跑一遍，看看流程、结果。然后再回过头来学习里面的种种算法和规则。我且称之为`菜鸟学习法`。

我们不得不面对的是，现在机器学习、深度学习这些新的学习范式，已经闯入多个领域，也在颠覆这些领域。

感觉就像当年VASP等成熟软件的兴起一样，主流的商业软件淘汰了很多自己写代码算做量子计算的学者。接下来，机器学习的引入，各种新的软件也许马上会成为下一个“VASP”，手握资源的各路大佬都在抢占地盘。

--------------------

抱歉，扯远了，我们回到学习机器学习的第一个阶段，代码测试：

### 案例链接 ###

> https://nbviewer.org/github/hackingmaterials/matminer\_examples/blob/main/matminer\_examples/machine\_learning-nb/bulk\_modulus.ipynb

### 数据集来源 ###

数据来源于数据集 matminer，具体使用参考官网

> https://hackingmaterials.lbl.gov/matminer

以及文档：

> https://hackingmaterials.lbl.gov/matminer/dataset\_summary.html

### 部分代码简单说明 ###

#### 1. 加载和处理数据集 ####

from matminer.datasets.convenience_loaders import load_elastic_tensor
    df = load_elastic_tensor()  # loads dataset in a pandas DataFrame object

*  显示数据的开头部分使用head方法

df.head()

![8725edc5c355070f0009e77dd6795a52.png][]

*  显示数据的列

df.columns

![5fd9e937f11c2f129878b0174447fb8e.png][]

*  去掉不需要的列

unwanted_columns = ["volume", "nsites", 
    "compliance_tensor","elastic_tensor", 
    "elastic_tensor_original", "K_Voigt",
    "G_Voigt", "K_Reuss", "G_Reuss"]
    df = df.drop(unwanted_columns, axis=1)## 去掉不需要的列
    df.head() #此时再观察一下这个数据集

![ddc56317c6f5e2a7bfabd34c8cdf1415.png][]

*  数据的描述性统计

df.describe()

![4f57bf0d14614c2534008f5b64d87a91.png][]

#### 2. 添加描述符（特征化） ####

*  组成成分的特征化

from matminer.featurizers.conversions import StrToComposition
    df = StrToComposition().featurize_dataframe(df, "formula")
    df.head()

![435fd2933a9ae8e7459eb357a3cf94c9.png][]

#### 3. 线性回归 ####

![0fe40b019d182e5fe07b520de3db5371.png][]

#### 4. 随机森林 ####

![7d4f2a32b8407d511333d6d7e9fe4ae3.png][]

### 参考 ###

大师兄科研网

https://mp.weixin.qq.com/s/U99hAXOsNob1sgAehIED3A

### 库的安装 ###

一般直接使用  
`pip install 库名`  
就可以安装对应的库，我在自己电脑测试，使用pip install 比conda install这个方法好用。

### 简洁版测试代码下载 ###

链接：https://pan.quark.cn/s/3b550442f061

### ChatGPT 快问快答 ###

或者读者也可以在ChatGPT里快问快答的形式学习简单的案例，也是一个不错的尝试。

[8725edc5c355070f0009e77dd6795a52.png]: https://img-blog.csdnimg.cn/img_convert/8725edc5c355070f0009e77dd6795a52.png
[5fd9e937f11c2f129878b0174447fb8e.png]: https://img-blog.csdnimg.cn/img_convert/5fd9e937f11c2f129878b0174447fb8e.png
[ddc56317c6f5e2a7bfabd34c8cdf1415.png]: https://img-blog.csdnimg.cn/img_convert/ddc56317c6f5e2a7bfabd34c8cdf1415.png
[4f57bf0d14614c2534008f5b64d87a91.png]: https://img-blog.csdnimg.cn/img_convert/4f57bf0d14614c2534008f5b64d87a91.png
[435fd2933a9ae8e7459eb357a3cf94c9.png]: https://img-blog.csdnimg.cn/img_convert/435fd2933a9ae8e7459eb357a3cf94c9.png
[0fe40b019d182e5fe07b520de3db5371.png]: https://img-blog.csdnimg.cn/img_convert/0fe40b019d182e5fe07b520de3db5371.png
[7d4f2a32b8407d511333d6d7e9fe4ae3.png]: https://img-blog.csdnimg.cn/img_convert/7d4f2a32b8407d511333d6d7e9fe4ae3.png