标签：sklearn 房价 boston AdaBoosting train test import 波士顿 size

AdaBoosting示例

使用AdaBoosting预测波士顿房价

决策树示例：波士顿房价预测

根据13个特征预测房价价格

import sklearn.datasets as sd
import sklearn.utils as su
import sklearn.tree as st
import sklearn.metrics as sm
import sklearn.ensemble as se

读取数据集

boston = sd.load_boston()
# for sample in boston.data:
#     print(sample)

样本随机化(打乱)

random_seed = 7  # 随机种子，用来产生随机数
x, y = su.shuffle(boston.data,
                  boston.target,
                  random_state=random_seed)

分训练集、测试集

train_size = int(len(x) * 0.8)  # 计算训练集大小(80%)

train_x = x[:train_size]  # 切出前面80%
test_x = x[train_size:]  # 切出后面20%

train_y = y[:train_size]  # 切出前面80%
test_y = y[train_size:]  # 切出后面20%

model = se.AdaBoostRegressor(
    st.DecisionTreeRegressor(max_depth=4),  # 原始
    n_estimators=400)  # 数棵树
model.fit(train_x, train_y)  # 训练
pred_test_y = model.predict(test_x)  # 预测

计算并打印R2值

print(sm.r2_score(test_y, pred_test_y))

随机森林

model2 = se.RandomForestRegressor(
    max_depth=10,  # 最大深度
    n_estimators=1000,  # 树数量
    min_samples_split=2)  # 最小样本数量
model2.fit(train_x, train_y)
pred_test_y = model2.predict(test_x)  # 预测

计算并打印R2值

print(sm.r2_score(test_y, pred_test_y))

标签：sklearn,房价,boston,AdaBoosting,train,test,import,波士顿,size
来源： https://blog.csdn.net/weixin_49304690/article/details/112626947

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。