python数据分析之交叉验证

本文探讨了Python中用于数据分析的交叉验证方法,涵盖了包括SVM、随机森林在内的有监督算法,以及k-means、隐马尔可夫等无监督算法。同时,介绍了数据分析的基本流程,并提供了一个朴素贝叶斯的示例代码片段。

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

python数据分析之交叉验证

1、常用的分类算法

有监督:SVM向量机、梯度提升、决策树(随机森林)、朴素贝叶斯、逻辑斯蒂回归、神经网络(cnn、rnn)
无监督:k-means、隐马尔可夫

2、数据分析过程

1、采集数据
2、数据预处理
3、特征选择
4、模型训练、评估、保存
5、模型调用

3、示例代码

朴素贝叶斯:

# !/usr/bin/python
# -*- coding: utf-8 -*-

"""
@contact: 微信 1257309054
@file: 2、朴素贝叶斯分类.py
@time: 2023/6/29 10:21
@author: LDC
"""

import joblib
from sklearn
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

打赏作者

东木月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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