#读取数据
import pandas as pd
data=pd.read_csv('/data/train.csv')
data.head()
#提取特征值和标签值
X=data.iloc[:,:-1].values#提取特征值
y=data.iloc[:,-1].values#提取标签值
#划分训练集与测试集,参数test_size设为0.2,random_state设为7
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=7)
#建立模型,并训练模型
import warnings
warnings.filterwarnings('ignore')#用于屏蔽警告
from sklearn.ensemble import AdaBoostClassifier#导入分类器模块
#弱学习器的数量由参数 n_estimators 来控制,这里的数量是10
ada=AdaBoostClassifier(n_estimators=10)
ada.fit(x_train,y_train)
#用测试数据集进行预测
ypredict=ada.predict(x_test)
#评估预测的准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, ypredict)
print("Accuracy: %.2f%%" % (accuracy * 100.0))
经过测试:
弱学习器的数量 为 10 时 ,准确率最高。
n_estimators Accuracy
7 94.74
8 95.61
9 96.49
10 98.25
11 96.49