# 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
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
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