原始資料為：
**為：
'''
function: 甲狀腺射頻消融資料建模
author: qianjiajia
data: 2017/6/6
'''from numpy import genfromtxt
import numpy as np
from sklearn.ensemble import randomforestregressor
# 讀取資料
data = genfromtxt('sp.csv', delimiter=",", skip_header=1)
x = data[:, 1:4] # 特徵
y = data[:, 0] # 溫度
np.random.seed(2) # 設定隨機種子，保證每次結果都一樣
rf = randomforestregressor() # 建模
rf.fit(x, y)
print(rf.predict([247,20,5])) # **
2019 6 7機器學習之svm案例
1.案例 承襲decision tree的案例資料，同樣用身高和體重來界定胖瘦。如下文字檔 7.svm.txt 三個欄位各代表身高 m 體重 kg 與胖瘦 thin fat 2.問題 現在有兩人，其中一位身高1.6m 體重30kg，另一位身高1.6m 體重300kg，請問各是胖是瘦呢？3.資料文件 ...
12000條資料sklearn機器學習模型調參記錄
資料集是來自24個類別的12000條資料，每條資料提取特徵後生成1000多維的01特徵向量，資料的標籤是24個類別，每個類別有500條資料。該圖展示的是一條資料的儲存檔案截圖，問號的位置就是1，空白的位置就是0，資料採用.npy檔案儲存。from sklearn import svm 使用sklea...
機器學習之 載入資料
import numpy as np import urllib url with dataset url raw data urllib.request.urlopen url load the csv file as a numpy matrix dataset np.loadtxt raw d...