机器学习（python代码）：训练四种学习算法并输出auc

最新推荐文章于 2022-05-01 16:11:08 发布

cav_kd

最新推荐文章于 2022-05-01 16:11:08 发布

阅读量863

点赞数 2

分类专栏：笔记文章标签： python 机器学习

本文链接：https://blog.csdn.net/komed/article/details/106065294

版权

本文分享了一段Python代码，用于训练四种机器学习算法，并计算AUC作为模型性能指标。作者鼓励读者自行查找并导入相关库，以增进学习。如果有任何问题或建议，可以在评论区交流。

摘要由CSDN通过智能技术生成

**不多说，直接上代码，为了防止直接抄而不是为了学习，我决定把相关的库就不放上去了，自己上网搜索库中包含的方法即可

def load_data():
    data = pd.read_csv()#需要输入相关文件路径，如果是其他文件的需要查询pandas的read_其他格式
    lable = pd.read_csv()
    data_lable = data.merge(lable, how="left", on="USRID")
    data_lable.drop(['USRID'], axis=1, inplace=True)
    columns = data_lable.columns.tolist()
    # print(columns)
    feature_columns = [i for i in columns if i != "FLAG"]
    # print(feature_columns)
    data_array = data_lable[feature_columns].values#数据集
    lable_array = data_lable['FLAG'].values#标签集
    return train_test_split(data_array, lable_array, test_size = 0.25, random_state = 81,stratify = lable_array)#用于随机将样本集合划分为训练集 和测试集，并返回划分好的训练集和测试集数据。

    
def test_decision_tree(*data):
    X_train,X_test,y_train,y_test=data
    clf = DecisionTreeClassifier(criterion="entropy", max_d