Kaggle实战:Digit Recognizer[Random Forest算法]

说明

正确率:94.014%,没有KNN效果好(96.800%),个人估计经过调参效果应该有所提升

代码

import pandas as pd

data = pd.read_csv("train.csv")
data.head()

dataset = data.iloc[:,1:]   #提取特征
dataset.head()

label = data.iloc[:,0] #提取标签
label.head()

dataset.describe()

label.describe()

from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(oob_score=True,random_state=10)
rf.fit(dataset, label)

test = pd.read_csv("test.csv")
pred = rf.predict(test)

import numpy as np
a = pd.Series(pred)
b = pd.Series(np.arange(1,28000))
c = pd.DataFrame([a,b])
d = pd.DataFrame(c.T)
d.to_csv("result.csv")
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值