vfp 选中grid中某一行删除数据_快速处理分类数据实例

本文介绍了如何在VFP中处理grid数据,通过Python实现多种机器学习模型,如Logistic回归、决策树和随机森林分类器。首先进行多数类预测作为基准,接着使用数字特征进行预测并转换日期数据。实验结果显示,随机森林分类器在处理分类数据时表现出色,得分为0.79,优于决策树。
摘要由CSDN通过智能技术生成
a0b125a01e6a69a19d6e00ff97b1fe53.png

首先导入需要Python。

import numpy as npimport pandas as pdfrom sklearn.metrics import accuracy_scorefrom sklearn.model_selection import train_test_splitfrom sklearn.model_selection import cross_val_score, GridSearchCVfrom sklearn.linear_model import LogisticRegressionfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.ensemble import RandomForestClassifierpd.set_option('display.max_columns', None) # Unlimited columns.pd.options.mode.use_inf_as_na = True # Any inf or -inf is  # treated as NA.
57867191b660e7daca800e39a8e861b2.png

读取训练特征数据(此机器学习数据集下载地址在文末):

X_train_original = pd.read_csv('./train_features.csv',  header = [0], # Top row is header. index_col = 0) # First col is index.X_train_original.head()
671245de0572a07f3964cf4b14f0cf68.png
9f19f3158bef2a462bff51a1267868f8.png

读取训练目标数据:

y_train_original = pd.read_csv('./train_labels.csv',  header = [0], # Top row is header. index_col = 0) # First col is index.y_train_original.head()
6c514684b77ba09cb8765ed286b54532.png
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值