python+分类算法

最新推荐文章于 2024-08-06 17:06:30 发布

miral_fair

最新推荐文章于 2024-08-06 17:06:30 发布

阅读量4.8k

点赞数 4

分类专栏： python 算法文章标签： python 随机森林逻辑回归 GBDT AdaBoost

本文链接：https://blog.csdn.net/u010004623/article/details/80270258

版权

本文介绍了使用Python的sklearn库实现四种常见的分类算法：逻辑回归（LR）、随机森林（RF）、梯度提升决策树（GBDT）以及AdaBoost。详细探讨了每种算法的原理，并提供了相应的代码示例。

摘要由CSDN通过智能技术生成

分类算法：LR/RF/GBDT/ADABOOST

python包：sklearn

# -*- coding: utf-8 -*-
"""
Created on Wed May  9 10:37:12 2018

比较不同分类算法效果

分类算法：LR/RF/GBDT/ADABOOST

@author: DELL
"""

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import AdaBoostClassifier
import pandas as pd
import numpy as np

# 读入数据，数据格式为 user,feature,pv,label
data = pd.read_csv('E:\\creditCard\\rf_data\\train_500.csv') # 正样本数据
data1 = pd.read_csv('E:\\creditCard\\rf_data\\train_1w.csv') # 负样本数据
data = data.append(data1) # 合并

# 整理数据，将数据整理成 用户-特征 矩阵
grp=data.groupby(['user','feature'])
grp_1 = grp.agg(np.sum) # pv 累加
grp_2 = grp_1.reset_index() # 重置行索引
grp_3 = grp_2.pivot_table(index='user',columns='