資訊專欄INFORMATION COLUMN
Split train and test
from sklearn.cross_validation import train_test_split x_train, x_test, y_train, y_test = train_test_split(customer.ix[:,0:customer.columns.size-1], customer.ix[:,customer.columns.size-1], test_size = 0.2) x_train, x_test, y_train, y_test = train_test_split(order.ix[:,0:order.columns.size-1], order.ix[:,order.columns.size-1], test_size = 0.2)Decision tree
使用信息熵作為劃分標(biāo)準(zhǔn)，對決策樹進(jìn)行訓(xùn)練
from sklearn import tree clf = tree.DecisionTreeClassifier(criterion="entropy") print(clf) clf.fit(x_train, y_train)Predict
answer = pd.Series(clf.predict(x_test))
result = pd.DataFrame(np.c_[y_test, answer])
result["correct"] = np.where(result[0] == result[1], 1, 0)
sum(result["correct"])/pd.count(result["correct"])
result.sum()/result.count()
preds = clf.predict(x_test)
result = pd.crosstab(y_test, preds, rownames=["actual"], colnames=["preds"])
res = result.div(result.sum(1).astype(float), axis=0)
res
res2 = res.drop(max(res) < 0.5, axis=1)
res.to_csv("result.csv", index = True, header = True)
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/44570.html
摘要：近日，針對泛化能力強(qiáng)大的深度神經(jīng)網(wǎng)絡(luò)無法解釋其具體決策的問題，深度學(xué)習(xí)殿堂級人物等人發(fā)表論文提出軟決策樹。即使沒有使用無標(biāo)簽數(shù)據(jù)，仍然有可能通過使用一種稱為蒸餾法，的技術(shù)和一種執(zhí)行軟決策的決策樹，將神經(jīng)網(wǎng)絡(luò)的泛化能力遷移到?jīng)Q策樹上。 近日，針對泛化能力強(qiáng)大的深度神經(jīng)網(wǎng)絡(luò)（DNN）無法解釋其具體決策的問題，深度學(xué)習(xí)殿堂級人物 Geoffrey Hinton 等人發(fā)表 arXiv 論文提出「軟決...
當(dāng)涉及到機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)時，決策樹是一種廣泛使用的算法。TensorFlow是一種流行的機(jī)器學(xué)習(xí)框架，它可以用于訓(xùn)練和部署決策樹模型。在本文中，我們將探討如何使用TensorFlow實(shí)現(xiàn)決策樹算法。 首先，讓我們了解一下決策樹算法的工作原理。決策樹是一種基于樹形結(jié)構(gòu)的分類算法，它將數(shù)據(jù)集分成不同的類別或標(biāo)簽。決策樹的每個節(jié)點(diǎn)表示一個特征，每個分支表示該特征的一個可能取值，而每個葉節(jié)點(diǎn)表示一個類...
閱讀 588·2023-04-25 21:29
閱讀 1120·2023-04-25 21:27
閱讀 1060·2021-11-25 09:43
閱讀 1092·2021-09-29 09:43
閱讀 3626·2021-09-03 10:30
閱讀 2864·2019-08-29 15:26
閱讀 2812·2019-08-29 12:52
閱讀 1754·2019-08-29 11:10
