scikit-learn 常用分类算法的使用

最新推荐文章于 2024-07-25 11:55:54 发布

hjh00

最新推荐文章于 2024-07-25 11:55:54 发布

阅读量4.8k

点赞数 2

分类专栏： python 文章标签： scikit-learn Python

本文链接：https://blog.csdn.net/hjh00/article/details/73004492

版权

本文介绍了scikit-learn库中的常用分类算法，包括逻辑回归、朴素贝叶斯、KNN、支持向量机、决策树和随机森林。通过统一的API调用fit和predict方法进行模型训练与预测，并利用joblib库实现模型的保存与加载。实验以小麦种子数据集为示例，展示了在Spyder环境中运行并得到的结果。

摘要由CSDN通过智能技术生成

scikit-learn机器学习的分类算法包括逻辑回归、朴素贝叶斯、KNN、支持向量机、决策树和随机森林等。这些模块的调用形式基本一致，训练用fit方法，预测用predict方法。用joblib.dump方法可以保存训练的模型，用joblib.load方法可以载入模型。

测试程序。测试数据采用小麦种子数据集（seeds）。

# -*- coding: utf-8 -*-

import numpy as np  
from sklearn.cross_validation import KFold
from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB
from sklearn.neighbors import KNeighborsClassifier 
from sklearn import svm
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier

feature_names = [  
    'area',  
    'perimeter',  
    'compactness',  
    'length of kernel',  
    'width of kernel',  
    &