基于sklearn实现Bagging算法(python)


Posted in Python onJuly 11, 2019

本文使用的数据类型是数值型,每一个样本6个特征表示,所用的数据如图所示:

基于sklearn实现Bagging算法(python)

图中A,B,C,D,E,F列表示六个特征,G表示样本标签。每一行数据即为一个样本的六个特征和标签。

实现Bagging算法的代码如下:

from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.preprocessing import StandardScaler
import csv
from sklearn.cross_validation import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
data=[]
traffic_feature=[]
traffic_target=[]
csv_file = csv.reader(open('packSize_all.csv'))
for content in csv_file:
 content=list(map(float,content))
 if len(content)!=0:
  data.append(content)
  traffic_feature.append(content[0:6])//存放数据集的特征
  traffic_target.append(content[-1])//存放数据集的标签
print('data=',data)
print('traffic_feature=',traffic_feature)
print('traffic_target=',traffic_target)
scaler = StandardScaler() # 标准化转换
scaler.fit(traffic_feature) # 训练标准化对象
traffic_feature= scaler.transform(traffic_feature) # 转换数据集
feature_train, feature_test, target_train, target_test = train_test_split(traffic_feature, traffic_target, test_size=0.3,random_state=0)
tree=DecisionTreeClassifier(criterion='entropy', max_depth=None)
# n_estimators=500:生成500个决策树
clf = BaggingClassifier(base_estimator=tree, n_estimators=500, max_samples=1.0, max_features=1.0, bootstrap=True, bootstrap_features=False, n_jobs=1, random_state=1)
clf.fit(feature_train,target_train)
predict_results=clf.predict(feature_test)
print(accuracy_score(predict_results, target_test))
conf_mat = confusion_matrix(target_test, predict_results)
print(conf_mat)
print(classification_report(target_test, predict_results))

运行结果如图所示:

基于sklearn实现Bagging算法(python)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python压缩和解压缩zip文件
Feb 14 Python
Python基础语言学习笔记总结(精华)
Nov 14 Python
Python使用django框架实现多人在线匿名聊天的小程序
Nov 29 Python
Python中常用信号signal类型实例
Jan 25 Python
pandas 数据归一化以及行删除例程的方法
Nov 10 Python
Python数据类型之Set集合实例详解
May 07 Python
解析PyCharm Python运行权限问题
Jan 08 Python
使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证方式
Jan 08 Python
使用python创建生成动态链接库dll的方法
May 09 Python
Python如何优雅删除字符列表空字符及None元素
Jun 25 Python
python 对象真假值的实例(哪些视为False)
Dec 11 Python
Python 图片处理库exifread详解
Feb 25 Python
Python的log日志功能及设置方法
Jul 11 #Python
python使用装饰器作日志处理的方法
Jul 11 #Python
Python日志无延迟实时写入的示例
Jul 11 #Python
深入了解Python iter() 方法的用法
Jul 11 #Python
用python给自己做一款小说阅读器过程详解
Jul 11 #Python
Python 200行代码实现一个滑动验证码过程详解
Jul 11 #Python
ML神器:sklearn的快速使用及入门
Jul 11 #Python
You might like
【动漫杂谈】关于《请在T台上微笑》
2020/03/03 日漫
PHP把网页保存为word文件的三种方法
2014/04/01 PHP
php使用curl简单抓取远程url的方法
2015/03/13 PHP
CentOS 7.2 下编译安装PHP7.0.10+MySQL5.7.14+Nginx1.10.1的方法详解(mini版本)
2016/09/01 PHP
PHP xpath()函数讲解
2019/02/11 PHP
分页栏的web标准实现
2011/11/01 Javascript
js判断undefined变量类型使用typeof
2013/06/03 Javascript
JQuery.Ajax之错误调试帮助信息介绍
2013/07/04 Javascript
JS与C#编码解码
2013/12/03 Javascript
JQ技术实现注册页面带有校验密码强度
2015/07/27 Javascript
nginx+vue.js实现前后端分离的示例代码
2018/02/12 Javascript
详解微信JS-SDK选择图片遇到的坑
2018/08/15 Javascript
Angular中使用ng-zorro图标库部分图标不能正常显示问题
2019/04/22 Javascript
怎样在vue项目下添加ESLint的方法
2019/05/16 Javascript
解决vue项目axios每次请求session不一致的问题
2020/10/24 Javascript
[42:20]2014 DOTA2华西杯精英邀请赛5 24 DK VS NewBee
2014/05/25 DOTA
[47:04]LGD vs infamous Supermajor小组赛D组 BO3 第二场 6.3
2018/06/04 DOTA
python开发之for循环操作实例详解
2015/11/12 Python
Linux 发邮件磁盘空间监控(python)
2016/04/23 Python
Python离线安装PIL 模块的方法
2019/01/08 Python
python实现银联支付和支付宝支付接入
2019/05/07 Python
python3 线性回归验证方法
2019/07/09 Python
使用Pytorch来拟合函数方式
2020/01/14 Python
基于Python共轭梯度法与最速下降法之间的对比
2020/04/02 Python
Rosetta Stone官方网站:语言学习
2019/01/05 全球购物
什么是Assembly(程序集)
2014/09/14 面试题
艺术专业大学生自我评价
2013/09/22 职场文书
大一学生假期实习的自我评价
2013/10/12 职场文书
党员的自我评价范文
2014/01/02 职场文书
2014年重阳节活动策划方案书
2014/09/16 职场文书
四风问题自我剖析材料
2014/10/07 职场文书
2014年卫生工作总结
2014/11/27 职场文书
教师“一帮一”结对子活动总结
2015/05/07 职场文书
纪检干部学习心得体会
2016/01/23 职场文书
pytorch常用数据类型所占字节数对照表一览
2021/05/17 Python
MySQL聚簇索引和非聚簇索引的区别详情
2022/06/14 MySQL