sklearn练习

最新推荐文章于 2024-07-22 16:01:10 发布

Maxwell106

最新推荐文章于 2024-07-22 16:01:10 发布

阅读量256

点赞数

分类专栏： Python课程笔记

本文链接：https://blog.csdn.net/qq_35783731/article/details/80740339

版权

该博客介绍了如何利用sklearn库创建一个分类问题的数据集，并分别运用RandomForest、SVC和支持向量机进行训练。通过评估指标（准确度、F1分数、ROC曲线）显示RandomForest性能最优，SVC次之，而朴素贝叶斯的表现最不理想。

摘要由CSDN通过智能技术生成

题目来自高级编程课程的课件。

题目要求用sklearn创建一个分类问题的数据集，然后用三种不同的机器学习方法对数据集进行学习，并对三种方法的准确度、F1分数、受试者工作特征进行计算。

代码如下：

 
  from sklearn 
  import datasets 
 
  from sklearn 
  import cross_validation 
 
  from sklearn.naive_bayes 
  import GaussianNB 
 
  from sklearn.svm 
  import 
  SVC 
 
  from sklearn.ensemble 
  import RandomForestClassifier 
 
  from sklearn 
  import metrics 
 
   dataset 
  = datasets.make_classification( 
 
  n_samples 
  = 
  1000, 
  n_features 
  = 
  10