jupyter进行数据分类的代码
时间: 2023-10-26 11:13:05 浏览: 26
以下是使用 Python 和 Jupyter 进行数据分类的示例代码:
```python
# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 读取数据集
data = pd.read_csv('data.csv')
# 分离特征和目标列
X = data.drop('target', axis=1)
y = data['target']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义分类器
classifier = DecisionTreeClassifier()
# 训练模型
classifier.fit(X_train, y_train)
# 预测测试集
y_pred = classifier.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy}")
```
在这个示例中,我们使用决策树分类器来对数据进行分类。首先,我们从 CSV 文件中读取数据。然后,我们将特征和目标列分开。接下来,我们使用 `train_test_split()` 函数将数据集划分为训练集和测试集。然后,我们定义一个 `DecisionTreeClassifier` 分类器,并使用训练集对其进行训练。最后,我们使用测试集来预测模型,并计算模型的准确率。