该博客介绍了使用Sklearn库进行机器学习实践，通过创建分类数据集并应用十折交叉验证，比较了朴素贝叶斯、SVC和支持向量机（SVM）、随机森林分类器的性能。根据准确度、F1分数和ROC曲线，结果显示随机森林表现最优，SVC其次，朴素贝叶斯效果最不理想。
Sklearn介绍：
sklearn是机器学习中一个常用的python第三方模块，网址：http://scikit-learn.org/stable/index.html ，里面对一些常用的机器学习方法进行了封装，在进行机器学习任务时，并不需要每个人都实现所有的算法，只需要简单的调用sklearn里的模块就可以实现大多数机器学习任务。
机器学习任务通常包括分类（Classification）和回归（Regression），常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。
最低0.47元/天 解锁文章
1200
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
