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修改注册表终止360进程实例
Oct 13 Python
浅析Python 中整型对象存储的位置
May 16 Python
Python的Twisted框架上手前所必须了解的异步编程思想
May 25 Python
Python中%是什么意思?python中百分号如何使用?
Mar 20 Python
Python3.5文件读与写操作经典实例详解
May 01 Python
python 将dicom图片转换成jpg图片的实例
Jan 13 Python
在Python 的线程中运行协程的方法
Feb 24 Python
Python bytes string相互转换过程解析
Mar 05 Python
keras小技巧——获取某一个网络层的输出方式
May 23 Python
对pytorch中x = x.view(x.size(0), -1) 的理解说明
Mar 03 Python
利用Selenium添加cookie实现自动登录的示例代码(fofa)
May 08 Python
Django+Nginx+uWSGI 定时任务的实现方法
Jan 22 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
使用bcompiler对PHP文件进行加密的代码
2010/08/29 PHP
PHP中数组的分组排序实例
2014/06/01 PHP
浅析application/x-www-form-urlencoded和multipart/form-data的区别
2014/06/22 PHP
php中print(),print_r(),echo()的区别详解
2014/12/01 PHP
php实现的http请求封装示例
2016/11/08 PHP
JS常见问题整理(持续更新)
2013/08/06 Javascript
jqGrid随窗口大小变化自适应大小的示例代码
2013/12/28 Javascript
jQuery中:visible选择器用法实例
2014/12/30 Javascript
asp.net+js实现金额格式化
2015/02/27 Javascript
Javascript动画效果(1)
2016/10/11 Javascript
ES6下子组件调用父组件的方法(推荐)
2018/02/23 Javascript
使用nodejs实现JSON文件自动转Excel的工具(推荐)
2020/06/24 NodeJs
vue根据条件不同显示不同按钮的操作
2020/08/04 Javascript
[04:36]DOTA2国际邀请赛 ti3精彩集锦
2013/08/19 DOTA
Python新手在作用域方面经常容易碰到的问题
2015/04/03 Python
Python中关于使用模块的基础知识
2015/05/24 Python
Python判断列表是否已排序的各种方法及其性能分析
2016/06/20 Python
Python中使用Counter进行字典创建以及key数量统计的方法
2018/07/06 Python
使用python获取电脑的磁盘信息方法
2018/11/01 Python
Python网页正文转换语音文件的操作方法
2018/12/09 Python
一个可以套路别人的python小程序实例代码
2019/04/09 Python
浅析Windows 嵌入python解释器的过程
2019/07/26 Python
详解CSS3媒体查询响应式布局bootstrap 框架原理实战(推荐)
2020/11/16 HTML / CSS
使用phonegap播放音频的实现方法
2017/03/31 HTML / CSS
伯利陶器:Burleigh Pottery
2018/01/03 全球购物
法国票务网站:Ticketmaster法国
2018/07/09 全球购物
Club Monaco加拿大官网:设计师男女服装
2019/09/29 全球购物
某科技软件测试面试题
2013/05/19 面试题
介绍一下Prototype的$()函数,$F()函数,$A()函数都是什么作用?
2014/03/05 面试题
药学职务聘任书
2014/03/29 职场文书
有关爱国演讲稿
2014/05/07 职场文书
食品安全标语
2014/06/07 职场文书
交通事故委托书范本
2014/09/28 职场文书
2015年上半年计生工作总结
2015/03/30 职场文书
2016思想纪律作风整顿心得体会
2016/01/23 职场文书
民事纠纷协议书
2016/03/23 职场文书