《机器学习Python实战》电子教案 10-2-项目7 决策树与随机森林预测建模_第1页
《机器学习Python实战》电子教案 10-2-项目7 决策树与随机森林预测建模_第2页
《机器学习Python实战》电子教案 10-2-项目7 决策树与随机森林预测建模_第3页
《机器学习Python实战》电子教案 10-2-项目7 决策树与随机森林预测建模_第4页
全文预览已结束

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

武汉软件工程职业学院教案(理论教学首页)(第1页)教案(理实一体化课)武汉软件工程职业学院教案(附页)(第NUMPAGES4页)课程名称机器学习授课内容项目7判断西瓜的好坏—决策树与随机森林7.3项目拓展——波士顿房价预测授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法课内实训、任务驱动法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标:设计学生积极参与的教学情境,引导学生自主思考和主动实践,从而获得知识与技能,培养良好的职业素质,树立正确的理想信念。知识目标:掌握决策树和随机森林模型的用法能力目标:能灵活应用决策树和随机森林模型解决分类和回归问题教学重点分析与决策能力教学难点能熟练使用决策树和随机森林模型解决分类和回归问题【课前安排】(1)教师对学生们的疑问进行统一答疑。(2)回顾总结上节课内容,继续介绍本课时的内容。上节课通过实例演示了决策树和随机森林的建模方法,本节课进行项目拓展——波士顿房价预测。【导入新课】本项目的目标是:使用scikit-learn内置的boston房价数据集,将该数据集拆分成训练集和测试集,通过构建回归模型进行房价预测。【讲授新课】教师根据课件,演示boston房价的预测:导入boston房价数据集构建线性回归模型使用随机森林进行建模预测房价并绘制对比图上机练习上机练习主要针对本章中需要重点掌握的知识点,以及在程序中容易出错的内容进行练习,通过上机练习可以考察同学对知识点的掌握情况,对本章知识掌握程度。形式:单独完成上机:使用随机森林判断年收入阶层要求如下:1.导入成年人口统计数据集'adult.csv'importpandasaspddata=pd.read_csv('adult.csv',header=None,index_col=False,names=['年龄','单位性质','权重','学历','受教育时长','婚姻状况','职业','家庭情况','种族','性别','资产所得','资产损失','周工作时长','原籍','收入'])#为了方便展示,我们选取其中一部分数据data_lite=data[['年龄','单位性质','学历','性别','周工作时长','职业','收入']]2.用get_dummies处理数据,将文本数据转化为数值#使用get_dummies将文本数据转化为数值data_dummies=pd.get_dummies(data_lite)#对比样本原始特征和虚拟变量特征print('样本原始特征:\n',list(data_lite.columns),'\n')print('虚拟变量特征:\n',list(data_dummies.columns))3.将数据集划分为训练集和测试集4.用决策树建模并做出预测fromsklearn.model_selectionimporttrain_test_splitfromsklearnimporttree#将数据集拆分为训练集和测试集X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=0)#用最大深度为5的随机森林拟合数据go_dating_tree=tree.DecisionTreeClassifier(max_depth=5)go_dating_tree.fit(X_train,y_train)print('模型得分:{:.2f}'.format(go_dating_tree.score(X_test,y_test)))模型得分:0.80#将Mr.Z的数据输入给模型Mr_Z=[[37,40,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0]]#使用模型做出预测dating_dec=go_dating_tree.predict(Mr_Z)ifdating_dec==1:print("大胆去追求真爱吧,这哥们月薪过5万了!")else:print("不用去了,不满足你的要求")5.用随机森林建模并做出预测fromsklearn.ensembleimportRandomForestClassifiergo_dating_forest=RandomForestClassifier(n_estimators=20,max_depth=7,random_state=0)go_dating_forest.fit(X_train,y_train)go_dating_forest.score(X_test,y_test)go_dating_forest.predict(Mr_Z)array([0],dtype=uint8)【课堂小

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。

评论

0/150

提交评论