基于sklearn实现Bagging算法(python)

来源:脚本之家  责任编辑:小易  

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:

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:

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脚本之家。

您可能感兴趣的文章:


  • 本文相关:
  • python常用库之numpy和sklearn入门
  • python使用sklearn库实现的各种分类算法简单应用小结
  • python使用sklearn实现的各种回归算法示例
  • python sklearn库实现简单逻辑回归的实例代码
  • python3.5 + sklearn利用svm自动识别字母验证码方法示例
  • 对sklearn的使用之数据集的拆分与训练详解(python3.6)
  • python sklearn kfold 生成交叉验证数据集的方法
  • 对python sklearn one-hot编码详解
  • python基于sklearn库的分类算法简单应用示例
  • python利用sklearn包编写决策树源代码
  • python处理excel文件实例代码
  • python面向对象入门教程之从代码复用开始(一)
  • python中operator模块的操作符使用示例总结
  • python频繁写入文件时提速的方法
  • python 实现将字典dict、列表list中的中文正常显示方法
  • python提取页面内url列表的方法
  • python3解决棋盘覆盖问题的方法示例
  • python rabbitmq消息队列实现rpc
  • python教程之用py2exe将py文件转成exe文件
  • python 编码规范(google python style guide)
  • 免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2017 www.zgxue.com All Rights Reserved