sklearn 随机森林代码示例

本文通过使用随机森林(Random Forest)和AdaBoost两种机器学习算法对乳腺癌数据集进行分类,对比了两种算法的性能。实验结果显示,随机森林在测试集上达到了98.6%的准确率,而AdaBoost的准确率为97.9%,两者均展现出优秀的分类能力。

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

代码参考https://github.com/mbeyeler/opencv-machine-learning/blob/master/notebooks/10.03-Using-Random-Forests-for-Face-Recognition.ipynb

from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split

cancer = load_breast_cancer()
X = cancer.data
y = cancer.target

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=456)

ada = AdaBoostClassifier(n_estimators=100, random_state=456)
ada.fit(X_train, y_train)
print(ada.score(X_test, y_test))

forest = RandomForestClassifier(n_estimators=100, max_depth=1, random_state=456)
forest.fit(X_train, y_train)
print(forest.score(X_test, y_test))

forest = RandomForestClassifier(n_estimators=100, random_state=456)
forest.fit(X_train, y_train)
print(forest.score(X_test, y_test))

结果打印如下:

0.9790209790209791
0.9370629370629371
0.986013986013986

 

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