6.13 sklearn

最新推荐文章于 2024-06-17 08:33:36 发布

alt_ctrl

最新推荐文章于 2024-06-17 08:33:36 发布

阅读量192

点赞数 1

分类专栏：作业

本文链接：https://blog.csdn.net/control_xu/article/details/80740601

版权

这篇博客介绍了通过sklearn库进行机器学习实验，使用了GaussianNB（朴素贝叶斯）、SVC（支持向量机）和RandomForestClassifier（随机森林）三种算法。博主生成了一个数据集并分别训练了这些模型，通过平均结果展示了模型的预测效果，得出一般准确度排名：朴素贝叶斯<SVC<随机森林。

摘要由CSDN通过智能技术生成

机器学习相关内容（不是特别懂）

简单的来说就自己随机生成一个数据集，然后用3种拟合算法拟合，然后评估这个模型拟合的效果。

代码如下

from sklearn import datasets
from sklearn import model_selection
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
from sklearn import metrics

X, Y = datasets.make_classification(n_samples=1000, n_features=10,
                                       n_informative=2, n_redundant=2, n_repeated=0, n_classes=2)

kf = model_selection.KFold(n_splits=10)

i = 0
acc_sum1 = 0
f1_sum1 = 0
auc_sum1 = 0
acc_sum2 = 0
f1_sum2 = 0
auc_sum2 = 0
acc_sum3 = 0
f1_sum3 = 0
auc_sum3