【Python】多分类算法—Random Forest

本文介绍了如何运用Python的scikit-learn库实现随机森林算法进行多分类任务,包括数据预处理、训练集与测试集划分、标准化、模型训练、预测以及结果评估。通过随机森林模型,达到了97.6%的分类准确性。
摘要由CSDN通过智能技术生成

【Python】多分类算法—Random Forest

本文将主要就Random Forest(随机森林)的多分类应用进行描述,当然也可运用于二分类中。本文运用scikit-learn框架。



一、导入基础库

导入数据处理和绘图的相关库,为使层次更加分明,将在后面再导入scikit-learn框架。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

二、数据读取及处理

1.数据读取

从csv文件中读取设备数据,代码如下:

# 读取数据
dataset = pd.read_csv('test_data.csv')
print(dataset)

数据形式大概如下,x为设备数据,class为数据特征,这里分为三类:
(真实数据不便展示,截图只是做展示,这里可下载iris鸢尾花数据集https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data)
在这里插入图片描述

2.数据处理

接下来进行数据预处理,将x作为自变量X,class作为自变量y。

# 数据预处理 选择自变量x 因变量y
X = dataset.iloc[:
评论 8
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