Python与机器学习（第2版）（微课版） 课件 5-02-随机森林分类任务实施_第1页
Python与机器学习（第2版）（微课版） 课件 5-02-随机森林分类任务实施_第2页
Python与机器学习（第2版）（微课版） 课件 5-02-随机森林分类任务实施_第3页
Python与机器学习（第2版）（微课版） 课件 5-02-随机森林分类任务实施_第4页
Python与机器学习（第2版）（微课版） 课件 5-02-随机森林分类任务实施_第5页
已阅读5页，还剩4页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

课程负责人：陈清华随机森林分类分析任务实施【数据挖掘应用】课程鸢尾花分类分析熟练使用sklearn第三方包实现机器学习算法应用；会应用随机森林算法实现分类分析；会使用RandomForestClassifier()对鸢尾花进行分类分析与预测应用。能力目标主要内容任务工单引导问题任务评价标准任务解决方案代码解析使用随机森林实现鸢尾花分类iris.csv教学难点任务工单基于前续任务得到的数据，使用随机森林算法实现鸢尾花类别判定，并区分两个算法的异同。任务概述

基于花萼长度、花萼宽度、花瓣长度、花瓣宽度和鸢尾花类别数据，使用随机森林实现分类分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010

任务描述：数据源iris.csv显示结果

任务要求任务概述随机森林模型评估K近邻算法（1）随机森林与决策树有何本质上的异同？试结合该应用说明其中的原理。（2）随机森林在sklearn中是如何实现的？有哪些实现方法？（3）sklearn随机森林的实现中主要参数有哪些？哪些参数会对本任务的识别结果产生重要影响？（4）如何比较两种不同分类方法的优劣？有哪些关键指标？”

问题引导：任务概述

任务评价：任务概述评价内容评价要点分值分数评定自我评价1.任务实施模型初始化3分导入正确得1分，模型选用正确得1分，模型构建正确得1分

模型训练1分模型训练顺利执行得1分

模型预测1分历史数据及预测结果展现得1分

2.效果评估模型可视化并评估效果3分能正确展现模型评估结果得2分，模型准确率92%以上得1分

3.任务总结依据任务实施情况总结结论2分总结内容切中本任务的重点要点得1分，能有效比较方法异同得1分

合计10分

任务解决方案核心部分代码：fromsklearn.ensembleimportRandomForestClassifier#随机森林分类预测clf=RandomForestClassifier(n_jobs=3)clf.fit(x_train,y_train[['Cluster']].values.ravel())y_pred=clf.predict(x_test)print("预测精确率:{:.2f}".format(clf.score(x_test,y_test[['Cluster']])))print(pd.crosstab(y_test['Cluster'],y_pred,rownames=['ActualValues'],colnames=['Prediction']))小结1.如何使用sklearn第三方包实现多分类分析？2.

如何调用RandomFore

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论