机器学习基础2

1.朴素贝叶斯算法

认为事件间相互独立

2.决策树

高效执行需确定好特征先后判断顺序

def decision_iris():
  """
  用决策树对鸢尾花进行分类
  :return:
  """
  # 1）获取数据集
  iris = load_iris()

  # 2）划分数据集
  x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)

  #决策树这里不用去标准化x_train这些
  # 3）决策树预估器
  estimator = DecisionTreeClassifier(criterion="entropy")
  estimator.fit(x_train, y_train)

  # 4）模型评估
  # 方法1：直接比对真实值和预测值
  y_predict = estimator.predict(x_test)
  print("y_predict:\n", y_predict)
  print("直接比对真实值和预测值:\n", y_test == y_predict)

  # 方法2：计算准确率
  score = estimator.score(x_test, y_test)
  print("准确率为：\n", score)

  # 可视化决策树
  export_graphviz(estimator, out_file="iris_tree.dot", feature_names=iris.feature_names)

  return None

3.线性回归

4.岭回归-带L2正则化的线性回归