用分类算法预测手机价格区间，用网格搜索调参

---

前言

数据为二手手机的各个性能的数据，最后根据这些性能得到3个价格区间，作为这些二手手机售出的价格区间。

注意：该数据集已经经过预处理，可以直接用于预测价格区间。

---

一、了解数据

battery_power：电池一次可储存的总能量，单位为毫安时
blue ：是否有蓝牙
clock_speed：微处理器执行指令的速度
dual_sim：是否支持双卡
fc：前置摄像头百万像素
four_g：是否有4G
int_memory：内存（GB）
m_dep：移动深度（cm）
mobile_wt：手机重量
n_cores：处理器内核数
pc：主摄像头百万像素
px_height：像素分辨率高度
px_width：像素分辨率宽度
ram：随机存取存储器（兆字节）
sc_h：手机屏幕高度（cm）
sc_w：手机屏幕宽度（cm）
talk_time：一次电池充电持续时间最长的时间
three_g：是否有3G
touch_screen：是否有触控屏
wifi：是否能连wifi
price_range：价格区间（0，1，2，3）

用describe()看每个特征的描述统计：

二、建立模型前准备

1.分训练集测试集

from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report,confusion_matrix

#X为特征数据，y为结果数据
X=df.drop('price_range',axis=1)
y=df['price_range']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=101)

2.定义一个函数输出每个算法的结果

#定义模型计算，之后调用模型，输出预测结果和预测准确性分数
def model_evl(algo):
    algo_model = algo.fit(X_train, y_train)
    global y_pred
    y_pred = algo_model.predict(X_test)

	#confusion_matrix混淆矩阵，主要用于比较分类结果和实际测的值
    print('\nConfusion Matrix:\n {}'
      .format(confusion_matrix(y_test,y_pred)))

    print("--"*20)
    print