2024美赛F题(减少非法野生动物贸易)深度剖析|详细建模+代码实现

6 篇文章 0 订阅
6 篇文章 0 订阅

首先回顾一下本次美赛的F题:

问题1的解答思路如下:

python示例代码:

from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score, classification_report
import pandas as pd
from sklearn.datasets import make_classification

# 生成模拟数据集
X, y = make_classification(n_samples=1000, n_features=5, n_classes=2, random_state=42)

# 将数据集划分为训练集和测试集
#见完整版

# 预测测试集
def predict(model, X_test):
    y_pred = model.predict(X_test)
    return y_pred

# 评估模型性能
def evaluate_performance(y_true, y_pred):
    accuracy = accuracy_score(y_true, y_pred)
    report = classification_report(y_true, y_pred)
    return accuracy, report

# 训练模型
trained_model = train_decision_tree(X_train, y_train)

# 进行预测
y_pred = predict(trained_model, X_test)

# 评估性能
accuracy, report = evaluate_performance(y_test, y_pred)

# 打印模型性能
print(f'Accuracy: {accuracy}')
print(f'Classification Report:\n{report}')


# 可视化决策树
def visualize_tree(model, feature_names, class_names):
    dot_data = export_graphviz(model, out_file=None,
                               feature_names=feature_names,
                               class_names=class_names,
                               filled=True, rounded=True,
                               special_characters=True)

    graph = graphviz.Source(dot_data)
    graph.render("decision_tree")  # 保存为PDF文件
    return graph


# 获取特征和类别名称
feature_names = X.columns  # 如果你的数据集是DataFrame的话
class_names = [str(i) for i in range(len(set(y)))]

# 可视化决策树
tree_graph = visualize_tree(trained_model, feature_names, class_names)

# 显示决策树图形
Image(tree_graph.render("decision_tree", format="png"))

查看完整思路如下:

【腾讯文档】2024美赛全题目深度解析(建模过程+代码实现+论文指导)
https://docs.qq.com/doc/DSG1LQWtOQ3lFWHNj

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值