bagging五分类代码
时间: 2023-07-31 18:12:55 浏览: 73
Bagging思想 代码实现.rar
下面是使用Python语言实现五分类的Bagging算法的示例代码:
```python
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
# 生成样本数据集
X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_classes=5, random_state=1)
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
# 定义基分类器
base_clf = DecisionTreeClassifier()
# 定义Bagging分类器
bagging_clf = BaggingClassifier(base_estimator=base_clf, n_estimators=10)
# 训练分类器
bagging_clf.fit(X_train, y_train)
# 测试分类器
accuracy = bagging_clf.score(X_test, y_test)
print("Bagging分类器的准确率为:", accuracy)
```
在上述代码中,我们首先使用`make_classification`函数生成了一个包含1000个样本和10个特征的数据集,其中有5个特征对分类起到了作用,分类数为5。然后将数据集分为训练集和测试集,接着定义了一个基分类器`DecisionTreeClassifier`,并使用`BaggingClassifier`函数定义了一个Bagging分类器,其中`base_estimator`参数指定了基分类器,`n_estimators`参数指定了需要训练的基分类器的数量。最后使用`fit`函数对分类器进行训练,使用`score`函数计算分类器在测试集上的准确率。
阅读全文