2python机器学习--SVM(决策树分类算法)
2016-10-21 22:24
585 查看
数据集中 : 正例 反例
你的预测 正例 : A B
你的预测 反例 : C D
准确率就是A/(A+B) 大白话就是“你的预测有多少是对的”
召回率就是A/(A+C) 大白话就是“正例里你的预测覆盖了多少”
你的预测 正例 : A B
你的预测 反例 : C D
准确率就是A/(A+B) 大白话就是“你的预测有多少是对的”
召回率就是A/(A+C) 大白话就是“正例里你的预测覆盖了多少”
""" 1.5 50 thin 1.5 60 fat 1.6 40 thin 1.6 60 fat 1.7 60 thin 1.7 80 fat 1.8 60 thin 1.8 90 fat 1.9 70 thin 1.9 80 fat """
#coding=utf-8 import re import numpy as np #import scipy as sp from sklearn import tree from sklearn.metrics import precision_recall_curve from sklearn.metrics import classification_report from sklearn.cross_validation import train_test_split data = [] labels = [] f = open("train.txt", 'r') for line in f.readlines()[1:]:##有时候打开记事本会出现bom标记,因此忽略第一行 now = line.rstrip("\n").split(' ') data.append([float(i) for i in now[:-1]]) labels.append(now[-1]) f.close() x = np.array(data) labels = np.array(labels) y = np.zeros(labels.shape) ##标签转换numpy,相当于labels=fat对应位置的y设置为1 y[labels=='fat'] = 1 ##拆分训练数据与测试数据 train0.8 test0.2 x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2) clf = tree.DecisionTreeClassifier(criterion="entropy")#利用决策树 进行熵判决 clf.fit(x_train,y_train) with open("tree.dot","w") as f: f = tree.export_graphviz(clf,out_file = f) print clf.feature_importances_ ans = clf.predict(x_train) print np.mean(ans == y_train)#可以看出对于train数据来说 准确率可以达到100% ##准确率(正确的判为正确的,正确的没有被判为正确的) precision,recall,thresholds = precision_recall_curve(y_train,clf.predict(x_train)) print precision,recall,thresholds answer = clf.predict_proba(x)[:,1] print classification_report(y,answer,target_names=["thin","fat"])
相关文章推荐
- 用Python开始机器学习(2:决策树分类算法)
- 用Python开始机器学习(2:决策树分类算法)
- 用Python开始机器学习(2:决策树分类算法)
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- 用Python开始机器学习(2:决策树分类算法)
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- 用Python开始机器学习(2:决策树分类算法)
- 用Python开始机器学习(4:KNN分类算法) sklearn做KNN算法 python
- 机器学习(七、八):SVM(支持向量机)【最优间隔分类、顺序最小优化算法】
- 分类算法-----决策树(ID3)算法原理和Python实现
- 机器学习经典算法详解及Python实现–决策树
- Python 实现决策树分类算法
- 机器学习经典算法详解及Python实现---朴素贝叶斯分类及其在文本分类、垃圾邮件检测中的应用
- 机器学习经典算法详解及Python实现--决策树(Decision Tree)
- 机器学习:Python中如何使用支持向量机(SVM)算法
- 机器学习之决策树(ID3)算法与Python实现
- Python机器学习实战之决策树分类
- [Java][机器学习]用决策树分类算法对Iris花数据集进行处理
- 机器学习基本知识以及几种分类算法的Python实现(适合入门)
- 用Python开始机器学习(4:KNN分类算法)