集成学习

本文介绍了集成学习的概览,并通过sklearn库详细讲解了装袋和提升两种方法的实现,包括具体的代码示例。

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


目录

1.概览

2代码-sklearn实现

2.1装袋实现

2.2提升实现


1.概览

装袋和提升方法

2代码-sklearn实现

2.1装袋实现

# -*- coding: utf-8 -*-
"""
Created on Wed Sep  5 20:14:52 2018

 bagging tree 提升预测准确率
  数据:course-14-student.csv   学生成绩预测数据集
  http://labfile.oss.aliyuncs.com/courses/1081/course-14-student.csv
  实验利用决策树模型,bagging tree模型,随机森林模型进行效果对比
"""
#加载数据
import pandas as pd
stu_data=pd.read_csv('course-14-student.csv')
print(len(stu_data))
#划分数据
from sklearn.model_selection import train_test_split
train_x,test_x,train_y,test_y=train_test_split(stu_data.iloc[:,:-1],stu_data['G3'],test_size=0.3,random_state=35)
#加载模型
from sklea
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
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