重拾机器学习2 决策树

最新推荐文章于 2024-05-04 13:22:29 发布

joycyf

最新推荐文章于 2024-05-04 13:22:29 发布

阅读量290

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/weixin_40118768/article/details/102570335

版权

这篇博客通过Python的pandas和sklearn库利用决策树模型分析NBA比赛数据，考虑了之前胜负记录和球队排名等因素对比赛结果的影响，评估了模型在不同特征下的预测准确性。

摘要由CSDN通过智能技术生成

# coding=utf-8
import pandas as pd
from collections import defaultdict
from sklearn.model_selection import cross_val_score, train_test_split
from sklearn.tree import DecisionTreeClassifier
import numpy as np
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import OneHotEncoder

data_filename = 'D:\\study\\python\\pythondatamining_study\\chapter3\\leagues_NBA_2014_games_games.csv'
# dataset = pd.read_csv(data_filename)

# 如果单切几行的数据，不切片属性值时，pandas可以直接切片dataset[:5]，也可以用loc和iloc切片data.iloc[:5]
# 切片属性是且属性名称有字符串时用loc切片  print(dataset.loc[:5, 'Date':'PTS'])
#  如上，也可以用数字代替字符串  print(dataset.iloc[:5, :2])
# 切片属性时直接切片是不行的 如print(dataset[:5, :2])  会报错'(slice(None, 5, None), slice(None, 2, None))' is an invalid key

dataset = pd.read_csv(data_filename, parse_dates=['Date'])  # 这里无需设置跳过行数skiprows=[1, ]这里需要从第1行开始
dataset.columns = ['Date', 'Score type', 'V