机器学习笔记 - 【机器学习案例】在表格数据上应用高斯混合模型GMM和网格搜索GridSearchCV提高分类精度

坐望云起

已于 2023-09-09 11:53:37 修改

阅读量433

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通文章标签：机器学习人工智能高斯混合模型 GMM 网格搜索 GridSearchCV 数据科学

于 2023-08-28 16:48:18 首次发布

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/132526863

深度学习从入门到精通专栏收录该内容

该专栏为热销专栏榜第44名

798 篇文章 ¥99.90 ¥299.90

订阅专栏

本文介绍了如何在表格数据上应用高斯混合模型GMM和网格搜索GridSearchCV来提高分类精度。通过贝叶斯、KNN、随机森林等模型训练验证，采用特征缩放、主成分分析等预处理步骤，最终使用GMM和GridSearchCV找到最优模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、需求及数据集说明

这是一项二分类任务，评估的是分类准确性（正确预测的标签百分比）。训练集有1000个样本，测试集有9000个样本。你的预测应该是一个9000 x 1的向量。您还需要一个Id列（1到9000），并且应该包括一个标题。格式如下所示：

Id,Solution
1,0
2,1
3,1
...
9000,0

数据集下载地址

链接：https://pan.baidu.com/s/1Dy5uF_OAmCQC3G-71e-yEQ?pwd=tjzq
提取码：tjzq

2、导入包、读取数据

import numpy as np 
import pandas as pd
from sklearn.metrics import accuracy_score 
from sklearn.model_selection import cross_val_score
import os


train_data = pd.read_csv('../input/train.csv',header = None)
train_labels = pd.read_csv('../input/trainLabels.csv',header = None)
test_data =  pd.read_csv('../input/test.csv',header = None)

了解本专栏