在好例子网,分享、交流、成长!
您当前所在位置:首页Python 开发实例Python语言基础 → python 叶子分类器 算法示例源码

python 叶子分类器 算法示例源码

Python语言基础

下载此实例
  • 开发语言:Python
  • 实例大小:0.60M
  • 下载次数:63
  • 浏览次数:799
  • 发布时间:2016-12-21
  • 实例类别:Python语言基础
  • 发 布 人:crazycode
  • 文件格式:.zip
  • 所需积分:2
 相关标签: 算法 源码 python 分类

实例介绍

【实例简介】

【实例截图】

【核心代码】

#import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.metrics import accuracy_score,log_loss
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC,LinearSVC,NuSVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier,AdaBoostClassifier,GradientBoostingClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.preprocessing import  LabelEncoder
train=pd.read_csv("train.csv")
test=pd.read_csv("test.csv")
def encode(train,test):
    le=LabelEncoder().fit(train.species)
    labels=le.transform(train.species)
    classes=list(le.classes_)
    test_ids=test.id
    train=train.drop(['species','id'],axis=1)
    test=test.drop(['id'],axis=1)
    return train,labels,test,test_ids,classes
train, labels, test, test_ids, classes = encode(train, test)
X_train, X_test = train.values[train.index], train.values[test.index]
y_train, y_test = labels[train.index], labels[test.index]
classifiers=[
    KNeighborsClassifier(3),
    SVC(kernel="rbf",probability=True),
    NuSVC(probability=True),
    DecisionTreeClassifier(),
    RandomForestClassifier(),
    AdaBoostClassifier(),
    GradientBoostingClassifier(),
    GaussianNB(),
    ]
log_cols=["Classifier","Accuracy","Log Loss"]
log=pd.DataFrame(columns=log_cols)
for clf in classifiers:
    clf.fit(X_train,y_train)
    name=clf.__class__.__name__
    print ("="*30)
    print name
    print ('*****Results****')
    train_predictions=clf.predict(X_test)
    acc=accuracy_score(y_test,train_predictions)
    print ("Accuracy:{:.4%}".format(acc))
    train_predictions=clf.predict_proba(X_test)
    ll=log_loss(y_test,train_predictions)
    print ("Log Loss:{}".format(ll))
    log_entry = pd.DataFrame([[name, acc * 100, ll]], columns=log_cols)
    log = log.append(log_entry)
print ("="*30)
sns.set_color_codes("muted")
sns.barplot(x='Accuracy', y='Classifier', data=log, color="b")
plt.xlabel('Accuracy %')
plt.title('Classifier performance comparison')
plt.show()
sns.set_color_codes("muted")
sns.barplot(x='Log Loss', y='Classifier', data=log, color="g")
plt.xlabel('Log Loss')
plt.title('Classifier Log Loss')
plt.show()
favorite_clf = LinearDiscriminantAnalysis()
favorite_clf.fit(X_train, y_train)
test_predictions = favorite_clf.predict_proba(test)
submission = pd.DataFrame(test_predictions, columns=classes)
submission.insert(0, 'id', test_ids)
submission.reset_index()
submission.tail()

实例下载地址

python 叶子分类器 算法示例源码

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警