标签:rfc sklearn clf 分类器 score 随机 import 森林 wine
转自:https://blog.csdn.net/gracejpw/article/details/102593225
1.sklearn建立随机森林分类器
import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split wine = load_wine() wine wine.data wine.target #切分训练集和测试集 Xtrain, Xtest, Ytrain, Ytest = train_test_split(wine.data,wine.target,test_size=0.3) #建立模型 clf = DecisionTreeClassifier(random_state=0) rfc = RandomForestClassifier(random_state=0) clf = clf.fit(Xtrain,Ytrain) rfc = rfc.fit(Xtrain,Ytrain) #查看模型效果 score_c = clf.score(Xtest,Ytest) score_r = rfc.score(Xtest,Ytest) #打印最后结果 print("Single Tree:",score_c) print("Random Forest:",score_r)
Single Tree: 0.8888888888888888
Random Forest: 0.9444444444444444
2.红酒数据集
它包含11个特征,以及quality分数,从0至9表示10个级别,随机森林可以将它们成功地多分类。
标签:rfc,sklearn,clf,分类器,score,随机,import,森林,wine 来源: https://www.cnblogs.com/BlueBlueSea/p/14881320.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。