Python基于sklearn库的分类算法简单应用示例_sklearn分类算法,sklearn应用案例

5星 · 超过95%的资源 152 浏览量更新于2023-03-03 评论 4 收藏 47KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python基于基于sklearn库的分类算法简单应用示例库的分类算法简单应用示例

主要介绍了Python基于sklearn库的分类算法,结合简单实例形式分析了Python使用sklearn库封装朴素贝叶斯、K

近邻、逻辑回归、SVM向量机等常见机器学习算法的分类调用相关操作技巧,需要的朋友可以参考下

本文实例讲述了Python基于sklearn库的分类算法简单应用。分享给大家供大家参考，具体如下：

scikit-learn已经包含在Anaconda中。也可以在官方下载源码包进行安装。本文代码里封装了如下机器学习算法，我们修改数据

加载函数，即可一键测试：

# coding=gbk

'''

Created on 2016年6月4日

@author: bryan

'''

import time

from sklearn import metrics

import pickle as pickle

import pandas as pd

# Multinomial Naive Bayes Classifier

def naive_bayes_classifier(train_x, train_y):

from sklearn.naive_bayes import MultinomialNB

model = MultinomialNB(alpha=0.01)

model.fit(train_x, train_y)

return model

# KNN Classifier

def knn_classifier(train_x, train_y):

from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier()

model.fit(train_x, train_y)

return model

# Logistic Regression Classifier

def logistic_regression_classifier(train_x, train_y):

from sklearn.linear_model import LogisticRegression

model = LogisticRegression(penalty='l2')

model.fit(train_x, train_y)

return model

# Random Forest Classifier

def random_forest_classifier(train_x, train_y):

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=8)

model.fit(train_x, train_y)

return model

# Decision Tree Classifier

def decision_tree_classifier(train_x, train_y):

from sklearn import tree

model = tree.DecisionTreeClassifier()

model.fit(train_x, train_y)

return model

# GBDT(Gradient Boosting Decision Tree) Classifier

def gradient_boosting_classifier(train_x, train_y):

from sklearn.ensemble import GradientBoostingClassifier

model = GradientBoostingClassifier(n_estimators=200)

model.fit(train_x, train_y)

return model

# SVM Classifier

def svm_classifier(train_x, train_y):

from sklearn.svm import SVC

model = SVC(kernel='rbf', probability=True)

model.fit(train_x, train_y)

return model

# SVM Classifier using cross validation

def svm_cross_validation(train_x, train_y):

from sklearn.grid_search import GridSearchCV

from sklearn.svm import SVC

model = SVC(kernel='rbf', probability=True)

param_grid = {'C': [1e-3, 1e-2, 1e-1, 1, 10, 100, 1000], 'gamma': [0.001, 0.0001]}

grid_search = GridSearchCV(model, param_grid, n_jobs = 1, verbose=1)

grid_search.fit(train_x, train_y)

best_parameters = grid_search.best_estimator_.get_params()

for para, val in list(best_parameters.items()):

print(para, val)

model = SVC(kernel='rbf', C=best_parameters['C'], gamma=best_parameters['gamma'], probability=True)

model.fit(train_x, train_y)

return model

def read_data(data_file):

data = pd.read_csv(data_file)

train = data[:int(len(data)*0.9)]

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

yxldr

2023-07-26

我喜欢这个文件中提供的分类算法示例，它给我带来了很大的启发，让我对机器学习有了更多的兴趣。

weixin_38620741

粉丝: 1
资源: 909

会员权益专享

Python基于sklearn库的分类算法简单应用示例

评论5

会员权益专享

最新资源

Python基于sklearn库的分类算法简单应用示例

评论5

python sklearn常用分类算法模型的调用

Python使用sklearn库实现的各种分类算法简单应用小结

基于SKLearn的KNN分类

python中sklearn是什么库

介绍数据挖掘的Python库sklearn

python中的sklearn库介绍

python使用sklearn实现垃圾分类

knn算法python代码sklearn

sklearn库的相关文档和示例程序。

sklearn中分类算法Logistic Regression

多分类算法的python实现

python用sklearn朴素贝叶斯实现新闻分类

基于sklearn的svm

python利用sklearn实现KNN模型

要求: (1) 编写python代码实现朴素贝叶斯分类算法,要求必须使用sklearn中的朴素贝

python控制sklearn中svm迭代次数的代码

python sklearn决策树实例

python实现决策树分类算法

调用sklearn库中的随机森林python代码

gmm python sklearn

会员权益专享

最新资源