数据挖掘项目（四）

最新推荐文章于 2022-01-09 20:48:23 发布

qingxuanmingye

最新推荐文章于 2022-01-09 20:48:23 发布

阅读量457

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qingxuanmingye/article/details/88362710

数据挖掘项目（四）

目标任务：
记录5个模型（逻辑回归、SVM、决策树、随机森林、XGBoost）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出ROC曲线。
思路想法汇总．先做归一化处理，应用对应算法做出图像．

from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier
from xgboost import XGBClassifier

models = [LogisticRegression(), LinearSVC(), DecisionTreeClassifier(), RandomForestClassifier(n_estimators=25), XGBClassifier()]
names = ['LogisticRegression','LinearSVC','DecisionTree','RandomForest','Xgboost']
for i, model in enumerate(models):
    model.fit(X_selected, y_train)
    accu = model.score(X_test_selected, y_test)
    print(names[i], accu)

from sklearn.metrics import roc_curve, auc

def plot_auc(model_name, y_pred, y_test):
    fpr, tpr, threshold = roc_curve(y_pred, y_test)
    roc_auc = auc(fpr, tpr)
    plt.plot(fpr, tpr, label=f'{names[i]}（area={roc_auc:.2f}）', )
    plt.plot([0, 1], [0, 1], color='navy', linestyle='--')
    plt.xlim([0.0, 1.0])
    plt.ylim([0.0, 1