%matplotlib inline
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_wine
wine = load_wine()
wine.data # 特征矩阵,不能为一维,要和标签分开导入
wine.target # 标签,必须为一维,要和特征矩阵分开导入
from sklearn.model_selection import train_test_split
Xtrain,Xtest,Ytrain,Ytest = train_test_split(wine.data,wine.target,test_size=0.3)
clf = DecisionTreeClassifier(random_state=0) # 实例化
rfc = RandomForestClassifier(random_state=0) # 实例化
clf = clf.fit(Xtrain,Ytrain) # 训练集带入实例化后的模型去进行训练,使用的接口是fit
rfc = rfc.fit(Xtrain,Ytrain) # 训练集带入实例化后的模型去进行训练,使用的接口是fit
score_c = clf.score(Xtest,Ytest)# 使用其他接口score将测试集导入我们训练好的模型,去获取我们希望获取的结果(score、Y_test)
score_r = rfc.score(Xtest,Ytest)# 使用其他接口score将测试集导入我们训练好的模型,去获取我们希望获取的结果(score、Y_test)
print(
随机森林分类和决策树的对比
最新推荐文章于 2023-10-20 12:53:28 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)