sklearn分類演算法例項（SVC KNN

2.2 劃分資料集

2.3 選取模型進行定價分類

總結資料集展示：

可見，car資料集有6個屬性：buying、maint、doors、persons、lug_boot、safety

其取值範圍如下：

其類別class的取值範圍如下：

因為資料中很多為非數值型取值，因此需要將其數位化。

資料中全為非空取值，因此不需要對空值進行處理。

**如下：

from sklearn import preprocessing

import pandas as pd
data=pd.read_csv(
'car.csv'
) le=preprocessing.labelencoder(
)for i in
range
(len
(data.columns)):
data.iloc[
:,i]
=le.fit_transform(data.iloc[
:,i]
)#使用labelencoder對data的每個屬性的取值進行編碼

#取data的屬性值

y=data.iloc[:,

-1]#取data的class分類

本資料集的大小為50k，根據上圖可以判斷分類可採取的模型為：svc和knn

①svc模型分類

from sklearn import svm

import numpy as np
#訓練模型
svc_model=svm.svc(
)svc_model.fit(x_train,y_train)
# 使用模型進行**
y_pred=svc_model.predict(x_test)
# 計算模型的精確度
y_test=np.array(y_test)
svc_acc=np.mean(
(y_test==y_pred)
)#得到的值svc_acc：0.882466281310212

from sklearn.neighbors import kneighborsclassifier

#訓練模型
knn_model=kneighborsclassifier(
)knn_model.fit(x_train,y_train)
# 使用模型進行**
y_pred_knn=knn_model.predict(x_test)
# 計算模型的精確度
knn_acc=np.mean(y_pred_knn==y_test)
#得到的值knn_acc：0.9017341040462428

SVM演算法原理以及sklearn例項

今天重新學習了一遍svm的內容，發現好多以前看不懂的推導公式都能理解了，趕緊記錄下來。作者屬於菜鳥級別，文中如有錯誤認識還請大家不吝賜教！svm support vector machine，支援向量機 是一種可應用與線性或非線性的一種分類器。以下我們按照svm的發展順序以及問題求解依次介紹。1.線...

sklearn 分類轉換為分類數值

標籤專用，能夠將分類轉換為分類數值 特徵專用，能夠將分類特徵轉換為分類數值 將原本的 原本為male與female，現在將這兩個資料轉換為0和1 原本的embarked，不同的艙位，有scq三種，現在可以轉換為0 1 2 servived有yes no unknown，轉換為0 1 2 import...

sklearn中的分類方法

multinomial bayes classifier from sklearn.bayes import multinomialnb clf multinomialnb alpha 0.01 clf.fit train x,train y knn classifier from sklearn....