-
from sklearn.neighbors import KNeighborsClassifier 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。KNeighborsClassifier使用很简单,三步:1)创建KNeighborsClassifier对象,2)调用fit函数,3)调用predict函数进行预测。
- raw_input()用来获取控制台的输入python3中已经没有了用input()代替
-
from sklearn.model_selection import KFold, cross_val_score
KFold(n_splits=3, shuffle=False, random_state=None)
n_splits:表示划分几等份
shuffle:在每次划分时,是否进行洗牌
①若为Falses时,其效果等同于random_state等于整数,每次划分的结果相同
②若为True时,每次划分的结果都不一样,表示经过洗牌,随机取样的
-
from sklearn.svm import SVC SVC(support vectors classification)
-
from sklearn.tree import DecisionTreeClassifier mode= DecisionTreeClassifier(criterion='gini') mode.fit(X,y) y_test=mode.predict(x_test)
-
from sklearn.ensemble import RandomForestClassifier,AdaBoostClassifier
clf = AdaBoostClassifier(n_estimators=100) #迭代100次
- from sklearn.naive_bayes import GaussianNB
gNB = GaussianNB()
gNB.fit(X_train,y_train)
gNB.score(X_test,y_test)
8.from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis as QDA
线性判别分析和二次判别分析