不同分类算法对比

本文对比了在不归一化和归一化条件下,逻辑回归、支持向量机和决策树的分类效果。结果显示,归一化能提升逻辑回归和支持向量机的预测准确性和运行效率,但对决策树的影响较小。

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

不归一化情况下不同算法对比

对不同分类算法在数据归一化,和不归一化的情况下,对比算法预测得分。总结不同算法的特点。

逻辑斯蒂回归算法分类效果

# 导包,一次把所有的包都导进来
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import warnings
warnings.filterwarnings('ignore')
# 加载数据
data=datasets.load_wine()
X=data['data']
y=data['target']
feature_names=data['feature_names']
%%time
score=0
for i in range(1000):
    # 拆分数据
    X_train,X_test,y_train
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

python_xiaofeng

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