机器学习算法之复合算法代码实战及其解析

最新推荐文章于 2023-03-02 11:02:43 发布

IT change the world

最新推荐文章于 2023-03-02 11:02:43 发布

阅读量1k

点赞数

分类专栏：机器学习文章标签：决策树机器学习 python 人工智能复合算法

本文链接：https://blog.youkuaiyun.com/csdnliu123/article/details/106845470

版权

本文探讨了机器学习中的复合算法，并通过Python代码进行了实战演示。利用随机生成的数据，对比了算法预测结果与真实标签的矩阵，同时展示了算法的性能得分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

复合算法代码：

#导入包
import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets

#自定义数据
X,y=datasets.make_moons(random_state=41,noise=0.1,n_samples=500)

#绘制数据图形
plt.scatter(X[y==0,0],X[y==0,1],c="r")
plt.scatter(X[y==1,0],X[y==1,1],c="b")
plt.show()

#第一步：数据切分为训练数据和测试数据
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=51)
# print(X_train.shape)  #观察数据的维度

#第二步：创建模型（继承算法模型，各个小算法模型）
#线性回归算法
from sklearn.linear_model import LogisticRegression
lr=LogisticRegression()
lr.fit(X_train,y_train)
# print("线性归回算法得分：",lr.score(X_test,y_test))
#支持向量机SVM
from sklearn.svm import SVC
sc=SVC()
sc.fit(X_train,y_train)
# print("支持向量机算法得分：",sc.score(X_test,y_test))
#决策树算法
from sklearn.tree import DecisionT