from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
### 1、模型准确率
<------------随机森林模型运行结果-------------->
读取数据
df = pd.read_csv(‘C:\Users\31425\Desktop\新建文件夹\序列\蒿属1.csv’)
分离特征和目标变量
X = df.iloc[:, 1:-1]
y = df.iloc[:, -1]
将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
创建随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
在训练集上拟合模型
rf.fit(X_train, y_train)
在测试集上进行预测
y_pred = rf.predict(X_test)
计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print(“模型准确率:”, accuracy)
#### 1.1、对应输出

### 2.随机森林混淆矩阵结果
<------------------随机森林混淆矩阵结果----------------------->
# 读取数据
data = pd.read_csv(‘C:\Users\31425\Desktop\新建文件夹\序列\蒿属1.csv’)
labels = data[‘species’]
data = data.drop(‘species’, axis=1)
拆分数据集
train_data, test_data, train_labels, test_labels = train_test_split(data, labels, test_size=0.2, random_state=42)
创建随机森林分类器
rfc = RandomForestClassifier(n_estimators=100, random_state=42)
训练模型
rfc.fit(train_data, train_labels)
进行预测
predictions = rfc.predict(test_data)
计算混淆矩阵
cm = confusion_matrix(test_labels, predictions)
print(cm)
#### 2.1矩阵结果在这里插入图片描述
### 3、随机森林对影响蒺藜科花粉判别的自变量重要性基尼系数排序图
《--------------随机森林对影响蒺藜科花粉判别的自变量重要性基尼系数排序图-------------------》
读取数据
data = pd.read_csv(‘C:\Users\31425\Desktop\新建文件夹\序列\蒿属1.csv’)
将数据集分为自变量和因变量
X = data.drop(‘species’, axis=1)
y = data[‘species’]
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)