利用python的mlxtend实现简单的集成分类器

实验环境

python 3.7.1+Anaconda 1.9.7+pycharm 2019.1

主要pkg

pandas、numpy、sklearn、mlxtend

数据格式

Label：

features：

主要实验步骤

• 数据读入
• 数据处理
• 数据集划分
• stacking分类器定义
• 模型训练
• 准确度预测

具体过程

首先利用pandas的read_系列函数读入数据，我用的是read_excel，（很奇怪，不知道为什么用read_csv就会一直读入失败，，）
然后，
千万要注意，要处理好数据中的字符串！否则后面fit是要报错的！！！，比如：
read_excel函数会默认将第一行剔除掉，如果不想剔除的话加一句header=None就可以了；
字符串列也要删除或映射；
续上，label中的字符串都要映射成对应的数值，可以采用简单的序号自增；
❤关于映射，有些包的分类器会将非数值类型自动映射的，但有的就不能，比如这里使用的stackingclassifier

#数据读入
df= pd.read_excel("单细胞测序数据Labels.csv",header=None)#read_csv就是不好用啊
label=df.values.tolist()
tmp = []        #去掉小列表
for i in label:
    tmp.append(i[0])#此处是为了将[[a],[b]]这种嵌套列表变成[a,b]
label = tmp

df= pd.read_excel("单细胞测序数据.csv")
feature=df.values.tolist()
for i in feature:#这里是要删除非数字的列，对应数据中的第一列
    del i[0]
#label映射
tmp =