20、传统监督学习算法的比较与应用

传统监督学习算法的比较与应用

1. 随机森林算法

随机森林是一种流行且通用的机器学习方法，可用于分类和回归任务。它以简单、稳健和灵活著称，适用于广泛的场景。以下是使用随机森林算法训练分类器的步骤：

from sklearn.ensemble import RandomForestClassifier
import sklearn.metrics as metrics

# 训练分类器
classifier = RandomForestClassifier(n_estimators = 10, max_depth = 4,
criterion = 'entropy', random_state = 0)
classifier.fit(X_train, y_train)

# 进行预测
y_pred = classifier.predict(X_test)
cm = metrics.confusion_matrix(y_test, y_pred)
print(cm)

输出结果为：

array ([[64, 4],
        [3, 29]])

接下来，我们可以量化模型的性能：

accuracy = metrics.accuracy_score(y_test,y_pred)
recall = metrics.recall_score(y_test,y_pred)
precision = metrics.precision_score(y_test,y