决策树,随机森林和极限森林算法

本文通过Python的sklearn库实现决策树、随机森林和极限森林的分类模型,并进行交叉验证。首先,使用iris数据集,将数据分为训练集和测试集。接着,分别训练决策树、随机森林和极限森林模型,并计算它们在测试集上的得分。最后,通过交叉验证进一步评估模型的性能,展示了不同模型的匹配率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

决策树:https://www.cnblogs.com/molieren/articles/10664954.html

from sklearn import datasets
from sklearn.model_selection import train_test_split,cross_val_score
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier,ExtraTreesClassifier
import random

if __name__ == '__main__':
    datas = datasets.load_iris()
    #打散数据:x_train,80%训练的data x_test 20%测试的data ,y_train 80%训练的target,y_test 20%测试的target
    x_train,x_test,y_train,y_test = train_test_split(datas.data, datas.target,test_size=0.2, random_state=6)

    #决策树分类器
    model = DecisionTreeClassifier(criterion="entropy").fit(x_train,y_train)
    #用80%的数据训练得出模型,然后用20%去预测,验证模型是否正确
    
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值