二分类算法

本文介绍了二分类算法的应用背景,详细阐述了算法的目标,通过示例代码展示其工作原理,并解析了代码的主要思路,帮助读者理解二分类算法的核心概念。
摘要由CSDN通过智能技术生成

数据来源:

选自UCI机器学习库中的「银行营销数据集(Bank Marketing Data Set)」

算法完成目标:

这些数据与葡萄牙银行机构的营销活动相关。这些营销活动以电话为基础,一般,银行的客服人员需要联系客户至少一次,以此确认客户是否将认购该银行的产品(定期存款)。我们的目的是预测研究客户定期存款业务的概率,可能性。

代码输出的示例:

ID表示客户唯一标识,pred表示预测客户订购定期存款业务的概率。

代码中的主要思路:

首先对数据进行预处理,将数据进行分割,进行归一化处理,将数据划分为训练集和测试集,在数据中将“'job','marital','education','default','housing','loan','contact','poutcome','month'”的字符型数据进行编码,然后运用K近邻的方法建立模型,然后完成对数据的预测分析。
{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator LabelEncoder from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n",
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator StandardScaler from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n",
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator SVC from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "         ID         0\n",
      "0     25318  0.061109\n",
      "1     25319  0.019177\n",
      "2     25320  0.023453\n",
      "3     
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