Kaggle实战：Digit Recognizer[Random Forest算法]

最新推荐文章于 2025-07-07 00:13:05 发布

原创最新推荐文章于 2025-07-07 00:13:05 发布 · 665 阅读

1 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

57 篇文章

订阅专栏

本文介绍了一个使用随机森林分类器进行预测任务的例子。通过从训练数据中提取特征和标签，利用随机森林模型进行训练，并对测试集进行预测。最终将预测结果整理输出。

说明

正确率：94.014%，没有KNN效果好（96.800%），个人估计经过调参效果应该有所提升

代码

import pandas as pd

data = pd.read_csv("train.csv")
data.head()

dataset = data.iloc[:,1:]   #提取特征
dataset.head()

label = data.iloc[:,0] #提取标签
label.head()

dataset.describe()

label.describe()

from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(oob_score=True,random_state=10)
rf.fit(dataset, label)

test = pd.read_csv("test.csv")
pred = rf.predict(test)

import numpy as np
a = pd.Series(pred)
b = pd.Series(np.arange(1,28000))
c = pd.DataFrame([a,b])
d = pd.DataFrame(c.T)
d.to_csv("result.csv")