# 2> 十折决策树算法
from sklearn.tree import DecisionTreeClassifier #导入决策树模型
from __future__ import division
from sklearn.metrics import confusion_matrix
p = 0.1 #设置训练集的比例
N = 1/p
correctRate = []
for i in range(int(N)):
demotest = dt[int(len(dt)*(p*i)):int(len(dt)*(p*(i+1))), :]
demotrain = np.row_stack((dt[:int(len(dt)*(p*i)), :], dt[int(len(dt)*(p*(i+1))):, :]))#训练集的取法
tree = DecisionTreeClassifier() # 建立决策树模型
tree.fit(demotrain[:,:3], demotrain[:,3]) #训练模型
predict_CartResult = tree.predict(demotest[:,:3]) # 测试模型
cm = confusion_matrix(demotest[:,3], predict_CartResult)
cRate = (cm[1,1] + cm[0,0]) / cm.sum()
correctRate.append(cRate)
CartPrecision = sum(correctRate)/len(correctRate) # 求这是个正确率的均值 #predict_classes(随数据集的组合而变化)0.914137931034
CartPrecision
# 3> 十折LM神经网络
# #构建LM神经网络模型
from keras.models import Sequential #导入神经网络初始化函数
from keras.layers.core imp
python 交叉验证1
最新推荐文章于 2024-04-18 09:00:07 发布