- 博客(7)
- 收藏
- 关注
RSS订阅原创 交叉验证评估wine的分类。
一共有14列，其中，第一个属性是类标识符，分别是1/2/3来表示，代表葡萄酒的三个分类。后面的13列为每个样本的对应属性的样本值。剩余的13个属性是，酒精、苹果酸、灰、灰分的碱度、镁、总酚、黄酮类化合物、非黄烷类酚类、原花色素、颜色强度、色调、稀释葡萄酒的OD280/OD315、脯氨酸。其中第1类有59个样本，第2类有71个样本，第3类有48个样本。葡萄酒数据集是来自UCI上面的公开数据集，这些数据是对意大利同一地区种植的葡萄酒进行化学分析的结果，这些葡萄酒来自三个不同的品种。对样本特征和样本标签的划分。
2023-10-10 19:07:08
69
1
原创 波士顿房价的预测（使用knn算法）
list_1=[i for i in range(0,y_test1.shape[0])]#x轴样本标号。accuracy1=knn_r.score(x_test1_std,y_test1)#模型精确度。y_pre=knn_r.predict(x_test1_std)#根据测试集预测房价。knn_r.fit(x_train1_std,y_train1)#训练模型。y_data = data.iloc[:,-1] # 导入目标值（房价）AGE: 1940 年以前建成的自住单位的比例（%）
2023-09-09 11:45:57
371
原创 酒的knn分类精确度判断
文件中，每行代表一种酒的样本，共有178个样本；一共有14列，其中，第一个属性是类标识符，分别是1/2/3来表示，代表葡萄酒的三个分类。后面的13列为每个样本的对应属性的样本值。剩余的13个属性是，酒精、苹果酸、灰、灰分的碱度、镁、总酚、黄酮类化合物、非黄烷类酚类、原花色素、颜色强度、色调、稀释葡萄酒的OD280/OD315、脯氨酸。其中第1类有59个样本，第2类有71个样本，第3类有48个样本。
2023-09-08 19:17:23
39
1
原创 knn算法鸢尾花，测试准确值
x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.2)#将数据分类。print(f"k值从1-30对应的准确度：{a}")# 将类型转化为三个数字。
2023-09-07 10:41:02
58
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人