python 两种分类算法的组合 代码
时间: 2023-07-05 08:10:02 浏览: 43
以下是使用Python中scikit-learn库实现两种分类算法的组合的代码示例:
```python
# 导入需要的库和数据集
from sklearn.datasets import load_iris
from sklearn.ensemble import VotingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.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=0.3, random_state=42)
# 构建逻辑回归分类器
lr = LogisticRegression()
# 构建高斯朴素贝叶斯分类器
nb = GaussianNB()
# 构建组合分类器
voting = VotingClassifier(estimators=[('lr', lr), ('nb', nb)], voting='hard')
# 训练组合分类器
voting.fit(X_train, y_train)
# 预测测试集结果
voting_y_pred = voting.predict(X_test)
# 输出组合分类器的准确率
print("Voting Classifier Accuracy:", voting.score(X_test, y_test))
```
在上面的代码中,我们使用`load_iris()`函数加载鸢尾花数据集,并将其划分为训练集和测试集。然后,我们分别构建逻辑回归分类器和高斯朴素贝叶斯分类器,并使用`VotingClassifier`组合它们。通过`fit()`方法训练组合分类器,并使用`score()`方法计算分类器的准确率,并输出结果。