Python使用sklearn库实现的各种分类算法简单应用小结
2019-07-04 11:08
1191 查看
本文实例讲述了Python使用sklearn库实现的各种分类算法简单应用。分享给大家供大家参考,具体如下:
KNN
from sklearn.neighbors import KNeighborsClassifier import numpy as np def KNN(X,y,XX):#X,y 分别为训练数据集的数据和标签,XX为测试数据 model = KNeighborsClassifier(n_neighbors=10)#默认为5 model.fit(X,y) predicted = model.predict(XX) return predicted
SVM
from sklearn.svm import SVC def SVM(X,y,XX): model = SVC(c=5.0) model.fit(X,y) predicted = model.predict(XX) return predicted
SVM Classifier using cross validation
def svm_cross_validation(train_x, train_y): from sklearn.grid_search import GridSearchCV from sklearn.svm import SVC model = SVC(kernel='rbf', probability=True) param_grid = {'C': [1e-3, 1e-2, 1e-1, 1, 10, 100, 1000], 'gamma': [0.001, 0.0001]} grid_search = GridSearchCV(model, param_grid, n_jobs = 1, verbose=1) grid_search.fit(train_x, train_y) best_parameters = grid_search.best_estimator_.get_params() for para, val in list(best_parameters.items()): print(para, val) model = SVC(kernel='rbf', C=best_parameters['C'], gamma=best_parameters['gamma'], probability=True) model.fit(train_x, train_y) return model
LR
from sklearn.linear_model import LogisticRegression def LR(X,y,XX): model = LogisticRegression() model.fit(X,y) predicted = model.predict(XX) return predicted
决策树(CART)
from sklearn.tree import DecisionTreeClassifier def CTRA(X,y,XX): model = DecisionTreeClassifier() model.fit(X,y) predicted = model.predict(XX) return predicted
随机森林
from sklearn.ensemble import RandomForestClassifier def CTRA(X,y,XX): model = RandomForestClassifier() model.fit(X,y) predicted = model.predict(XX) return predicted
GBDT(Gradient Boosting Decision Tree)
from sklearn.ensemble import GradientBoostingClassifier def CTRA(X,y,XX): model = GradientBoostingClassifier() model.fit(X,y) predicted = model.predict(XX) return predicted
朴素贝叶斯:一个是基于高斯分布求概率,一个是基于多项式分布求概率,一个是基于伯努利分布求概率。
from sklearn.naive_bayes import GaussianNB from sklearn.naive_bayes import MultinomialNB from sklearn.naive_bayes import BernoulliNB def GNB(X,y,XX): model =GaussianNB() model.fit(X,y) predicted = model.predict(XX) return predicted def MNB(X,y,XX): model = MultinomialNB() model.fit(X,y) predicted = model.predict(XX return predicted def BNB(X,y,XX): model = BernoulliNB() model.fit(X,y) predicted = model.predict(XX return predicted
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数据结构与算法教程》、《Python加密解密算法与技巧总结》、《Python编码操作技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:
- Python基于sklearn库的分类算法简单应用示例
- python利用sklearn包编写决策树源代码
- Python sklearn KFold 生成交叉验证数据集的方法
- 对python sklearn one-hot编码详解
- 对sklearn的使用之数据集的拆分与训练详解(python3.6)
- Python3.5 + sklearn利用SVM自动识别字母验证码方法示例
- python sklearn库实现简单逻辑回归的实例代码
- Python使用sklearn实现的各种回归算法示例
- 朴素贝叶斯分类算法原理与Python实现与使用方法案例
- Python决策树分类算法学习
- Python KNN分类算法学习
- python实现决策树分类算法
相关文章推荐
- Python基于sklearn库的分类算法简单应用示例
- 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
- 神经网络(BP)算法Python实现及简单应用
- 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
- Python+sklearn使用支持向量机算法实现数字图片分类
- python机器学习第三章:使用scikit-learn实现机器学习分类算法
- 使用Python语言写一个简单的KMP模式匹配算法实现
- Python实现一些简单的算法(2)—计算余数与random模块的使用
- sklearn库之各分类算法简单应用
- 朴素贝叶斯分类算法原理与Python实现与使用方法案例
- [ASP]无限级分类的简单算法实现及代码重点讲解http://bbs.blueidea.com/thread-1982151-1-1.html
- 各种基本算法实现小结(五)—— 排序算法
- 使用AjaxPro.dll文件实现简单Ajax应用
- 使用C语言实现二维,三维绘图算法(3)-简单的二维分形
- 各种算法的Python实现方案
- 使用Python的Tornado框架实现一个简单的WebQQ机器人
- 各种基本算法实现小结(四)—— 图及其遍历
- 使用DataList和SQL2005实现分页显示数据(应用举例:站内简单搜索)
- 使用python的numpy库实现PCA算法
- 使用迭代的方法实现简单算法