15周作业-sklearn

题目：

题目大意是这样的：生成一个数据集合，并且使用三种机器学习算法进行训练，并且根据训练结果使用三种方法评估三种算法的性能

步骤1：生成数据集合

使用make_classification函数生成一个数据集

dataset = datasets.make_classification( n_samples= 1000, n_features= 10)

步骤2.使用10-fold cross validdation对数据集合进行划分

kf = cross_validation.KFold( 1000, n_folds= 10, shuffle= True)

for train_index, test_index in kf:

X_train, y_train = dataset[ 0][train_index], dataset[ 1][train_index]

X_test, y_test = dataset[ 0][test_index], dataset[ 1][test_index]

d = GaussianNB_clf.predict(X_test)步骤3：使用三种方法对数据集合进行训练

1.高斯NB

\\

GaussianNB_clf = GaussianNB()

GaussianNB_clf.fit(X_train, y_train)

GaussianNB_pred = GaussianNB_clf.predict(X_test)

2.SVM

SVC_clf = SVC( C= 1e-01, kernel= 'rbf', gamma= 0.1)

SVC_clf.fit(X_train, y_train)

SVC_pred = SVC_clf.predict(X_test)

3.随机森林

Random_Forest_clf = RandomForestClassifier( n_estimators= 6)

Random_Forest_clf.fit(X_train, y_train)

Random_Forest_pred = Random_Forest_clf.predict(X_test)

步骤4:对性能进行评价

分别使用accuracy_score,fi_score,roc_auc_score得到准确度

可以看到综合来看随机树的效果是最好的