# -*- coding: utf-8 -*-
__author__ = 'gerry'
# 先导入所有的class
import xgboost
from numpy import *
from sklearn import model_selection
from sklearn.metrics import accuracy_score
# load 数据集
dataset = loadtxt('pima-indians-diabetes.data.csv', delimiter=',')
# 把X, Y分开
X = dataset[:, 0:8]
Y = dataset[:, 8]
#
Python机器学习之决策树案例
本文通过Python探讨了机器学习中的决策树算法,详细解释了如何使用数据集进行训练和预测,涵盖了数据预处理、特征选择到模型构建的全过程。内容包括numpy库的运用,以及如何理解和应用决策树模型在实际问题中的决策过程。
摘要由CSDN通过智能技术生成