機器學習小練習

2021-10-03 19:45:28 字數 3184 閱讀 8079

import pandas as pd

from sklearn.tree import decisiontreeclassifier

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

df=pd.read_csv(

'g:/liu/python/music.csv'

)# 匯入資料

x = df.drop(columns=

['genre'])

#切割資料,成兩個變數,輸入變數x和輸出的因變數y

y = df[

'genre'

]# 輸出的因變數y

x_tr, x_te, y_tr, y_te = train_test_split( x,y,test_size =

0.2)

#模型訓練和測試資料分配,訓練:測試=8:2

model = decisiontreeclassifier(

)#建立模型

model.fit(x_tr,y_tr)

# 輸入資料x_tr與結果資料y_tr,訓練模型

pre = model.predict(x_te)

#輸入測試資料x_te,得到**資料

score = accuracy_score(y_te, pre)

#對比**資料與正確結果y_te的準確度打分

print

(score)

# 列印準確度

import pandas as pd   # 資料分析庫

from sklearn.tree import decisiontreeclassifier # sklearn 演算法,決策演算法

from sklearn.model_selection import train_test_split #模型訓練和測試

from sklearn.metrics import accuracy_score #模型的準確度

import pandas as pd

from sklearn.tree import decisiontreeclassifier

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

df=pd.read_csv(

'g:/liu/python/music.csv'

)

x = df.drop(columns=

['genre'])

y = df[

'genre'

]x_tr, x_te, y_tr, y_te = train_test_split( x,y,test_size =

0.2)

## 四、模型建立

```python

model = decisiontreeclassifier()

model.fit(x_tr,y_tr)

pre = model.predict(x_te)
score = accuracy_score(y_te, pre)
import pandas as pd

from sklearn.tree import decisiontreeclassifier

from sklearn.externals import joblib #

df=pd.read_csv(

'g:/liu/python/music.csv'

)x = df.drop(columns=

['genre'])

y = df[

'genre'

]model = decisiontreeclassifier(

)model.fit(x, y)

joblib.dump(model,

'g:/liu/python/music.joblib'

)#把訓練好的模型儲存到g:/liu/python/music.joblib

模型的載入和使用

import pandas as pd

from sklearn.tree import decisiontreeclassifier

from sklearn.externals import joblib

model = joblib.load(

'g:/liu/python/music.joblib'

)#載入模型

pre = model.predict([[

21,1]

,[22,

0]])

#使用模型**結果

print

(pre)

#列印**值

import pandas as pd

from sklearn.tree import decisiontreeclassifier

from sklearn import tree

df=pd.read_csv(

'g:/liu/python/music.csv'

)x = df.drop(columns=

['genre'])

y = df[

'genre'

]model = decisiontreeclassifier(

)model.fit(x, y)

#輸出檔案視覺化dot檔案,設定視覺化屬性

tree.export_graphviz(model, out_file =

'g:/liu/python/music.dot'

, feature_names =

['age'

,'gender'

], class_names =

sorted

(y.unique())

, label=

'all'

, rounded =

true

,filled=

true

)

學習小筆記 機器學習

看書的時候做點筆記,偶爾翻出來看看才能真正掌握 否則很快就遺忘了 艾賓浩斯遺忘曲線 1 整合學習bagging基於自助取樣法 給定包含 m 個樣本的資料集,我們先隨機取出乙個樣本放入取樣集中,再把該樣本放回初始資料集,使得下次取樣時該樣本仍有可能被選中,這樣,經過 m次隨機取樣操作,我們得到含 m ...

機器學習小短片

神經網路技巧 強化學習 進化演算法 有趣的機器學習系列 莫煩python 監督學習 有資料有標籤 無監督學習 有資料無標籤 半監督學習 神經網路 生物 產生新連線 人工 誤差反向傳遞 卷積神經網路 cnn 迴圈神經網路 rnn 寫 寫程式,作曲 序列化資料,參考以前的狀態 解決 長短期記憶 lstm...

機器學習小概論

機器學習發展歷程 人類一直試圖讓機器具有智慧型,也就是人工智慧 artificial intelligence 從上世紀50年代,人工智慧的發展經歷了 推理期 通過賦予機器邏輯推理能力使機器獲得智慧型,當時的ai程式能夠證明一些著名的數學定理,但由於機器缺乏知識,遠不能實現真正的智慧型。因此,70年...