第1关：Boosting 分类器

最新推荐文章于 2025-06-03 18:36:24 发布

YLTommi

最新推荐文章于 2025-06-03 18:36:24 发布

阅读量422

点赞数 4

文章标签：随机森林机器学习人工智能深度学习

本文链接：https://blog.youkuaiyun.com/yangleileileilei/article/details/137627244

版权

本文展示了如何使用Python的scikit-learn库中的AdaBoostClassifier对鸢尾花数据集进行训练和评估，通过train_test_split划分数据，演示了模型在训练集和测试集上的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 导入相关库
from sklearn.ensemble import AdaBoostClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.datasets import load_iris
import numpy as np

# 下载数据集
iris = load_iris()
X = iris["data"]
y = iris["target"]

np.random.seed(0)
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建 AdaBoostClassifier 对象,迭代100次
clf = AdaBoostClassifier(n_estimators=100)

# 调用 fit 函数执行训练过程
clf.fit(X_train, y_train)

# 打印结果
print('训练集准确率：', accuracy_score(y_train, clf.predict(X_train)))
print('测试集准确率：', accuracy_score(y_test, clf.predict(X_test)))