建站的好公司,网站建设吧,智能网站建设制作,马化腾做的电商网站机器学习入门
数据预处理#xff1a;
将#xff1f;替换为缺失值
data data.replace(to_replace?,valuenp.nan)丢掉缺失值
data.dropna(howany)
#howall删除全是缺失值的行和列
#haowany删除有缺失值的行和列将数据集划分成测试集和训练集 data[colu…机器学习入门
数据预处理
将替换为缺失值
data data.replace(to_replace?,valuenp.nan)丢掉缺失值
data.dropna(howany)
#howall删除全是缺失值的行和列
#haowany删除有缺失值的行和列将数据集划分成测试集和训练集 data[column_name[1:10]]是自变量x data[column_name[10]是因变量y
from sklearn.cross_validation import train_test_split
X_train,X_test,y_train,y_testtrain_test_split(data[column_names[1:10]],data[column_查看训练集、测试集分布
y_train.value_counts()y_test.value_counts()进行标准化上一篇说了标准化是什么。
from sklearn.preprocessing import StandardScaler载入模型逻辑回归(logistics)随机梯度参数估计sgd
# 逻辑回归
from sklearn.linear_model import LogisticRegression
# 随机梯度参数估计
from sklearn.linear_model import SGDClassifier标准化
ss StandardScaler()
x_train ss.fit_transform(x_train)
x_test ss.fit_transform(x_test)初始化模型
lr LogisticRegression()
sgdc SGDClassifier()训练模型预测模型
# 模型训练
lr.fit(x_train,y_train)
# 预测模型
lr_y_predict lr.predict(x_test)
sgdc.fit(x_train,y_train)
sgdc_y_predict sgdc.predict(x_test)衡量指标
from sklearn.metrics import classification_report准确度
print (Accuracy of LR Classifier:,lr.score(x_test,y_test))print (Accuracy of SGD Classifier:,sgdc.score(x_test,y_test))生成报告
print(classification_report(y_test,lr_y_predict,target_names[Benign,Malignant]))print(classification_report(y_test,sgdc_y_predict,target_names[Benign,Malignant]))
