数据挖掘第二章代码啦啦啦

资源文件列表(大概)

文件名

大小

第2章/代码2-1.py

183B

第2章/代码2-10.py

433B

第2章/代码2-11.py

329B

第2章/代码2-12.py

615B

第2章/代码2-13.py

662B

第2章/代码2-14.py

724B

第2章/代码2-15.py

859B

第2章/代码2-16.py

488B

第2章/代码2-17.py

879B

第2章/代码2-18.py

516B

第2章/代码2-19.py

551B

第2章/代码2-2.py

446B

第2章/代码2-20.py

464B

第2章/代码2-21.py

637B

第2章/代码2-22.py

1.14KB

第2章/代码2-23.py

735B

第2章/代码2-24.py

631B

第2章/代码2-25.py

776B

第2章/代码2-26.py

1.15KB

第2章/代码2-3.py

208B

第2章/代码2-4.py

365B

第2章/代码2-5.py

519B

第2章/代码2-6.py

378B

第2章/代码2-7.py

244B

第2章/代码2-8.py

249B

第2章/代码2-9.py

471B

资源内容介绍

数据挖掘第二章代码啦啦啦

# -*- coding: utf-8 -*-"""Created on Wed Mar 8 13:09:56 2023@author: 数据挖掘课程组"""from sklearn import datasetsfrom sklearn import preprocessingfrom sklearn import tree#步骤1: 加载数据集iris = datasets.load_iris()n_samples, n_features = iris.data.shapeX = iris.dataY = iris.targetprint('步骤1：加载iris数据集')print('iris数据集中有%d个样本，%d个特征。' % (n_samples, n_features))print('iris的前5个样本为:\n', X[0:5])#步骤2: 数据预处理min_max_scaler = preprocessing.MinMaxScaler()X_scale = min_max_scaler.fit_transform(X)print('步骤2：数据预处理')print('规范化后iris的前5个样本:\n', X_scale[0:5])#步骤3: 使用决策树算法构建分类器模型classifier = tree.DecisionTreeClassifier()classifier = classifier.fit(X, Y) #在训练集上训练Y_predict = classifier.predict(X) #使用训练好的模型进行预测print('步骤3：决策树模型构建…')#步骤4:模型的评估accuracy = (Y == Y_predict).sum() / Y.shape[0]print('步骤4：模型评估')print("决策树在训练集上的分类准确度为: %.3f" % (accuracy*100))

用户评论 (0)

发表评论

您的昵称:

评分

评论内容:

验证码:

数据挖掘第二章代码啦啦啦

资源文件列表(大概)

资源内容介绍

用户评论 (0)

发表评论

相关资源

LanhuProject0904.zip

AT32模板工程创建及注意要点

R语言多个基因集合取交集

git分布式版本控制系统安装包

数据挖掘第二章代码啦啦啦

资源文件列表(大概)

资源内容介绍

用户评论 (0)

发表评论

相关资源

LanhuProject0904.zip

AT32模板工程创建及注意要点

R语言 多个基因集合取交集

git分布式版本控制系统安装包

R语言多个基因集合取交集