pip清华镜像源103

zhujw123wuwu

已于 2023-06-08 11:36:14 修改

阅读量245

点赞数 1

文章标签： python 机器学习 sklearn

于 2023-06-06 17:41:35 首次发布

本文链接：https://blog.csdn.net/zhujw123wuwu/article/details/131072851

版权

该博客展示了如何使用Python的sklearn库进行数据预处理，包括读取CSV数据、特征编码、数据划分、标准化操作。接着，博主通过KNN和高斯朴素贝叶斯两种模型进行分类，并计算模型评分，最后绘制了混淆矩阵，用于模型性能评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import pandas as pd
from sklearn.datasets import load_digits
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler,MinMaxScaler,OrdinalEncoder
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn import preprocessing

def get_data():
    data = pd.read_csv("./Gender_Height_Weight_Index.csv")
    x = data.iloc[:, :3]
    y = data.iloc[:, -1]
    enc = preprocessing.OrdinalEncoder()
    x = enc.fit_transform(x)
    return x,y

#划分训练集和测试
def split_train_test(x,y):
    x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=9527,test_size=0.3)
    return x_train,x_test,y_train,y_test

最低0.47元/天解锁文章