Split train and test
from sklearn.cross_validation import train_test_split x_train, x_test, y_train, y_test = train_test_split(customer.ix[:,0:customer.columns.size-1], customer.ix[:,customer.columns.size-1], test_size = 0.2) x_train, x_test, y_train, y_test = train_test_split(order.ix[:,0:order.columns.size-1], order.ix[:,order.columns.size-1], test_size = 0.2)Decision tree
使用信息熵作为划分标准，对决策树进行训练
from sklearn import tree clf = tree.DecisionTreeClassifier(criterion="entropy") print(clf) clf.fit(x_train, y_train)Predict
answer = pd.Series(clf.predict(x_test))
result = pd.DataFrame(np.c_[y_test, answer])
result["correct"] = np.where(result[0] == result[1], 1, 0)
sum(result["correct"])/pd.count(result["correct"])
result.sum()/result.count()
preds = clf.predict(x_test)
result = pd.crosstab(y_test, preds, rownames=["actual"], colnames=["preds"])
res = result.div(result.sum(1).astype(float), axis=0)
res
res2 = res.drop(max(res) < 0.5, axis=1)
res.to_csv("result.csv", index = True, header = True)
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/44570.html
摘要：近日，针对泛化能力强大的深度神经网络无法解释其具体决策的问题，深度学习殿堂级人物等人发表论文提出软决策树。即使没有使用无标签数据，仍然有可能通过使用一种称为蒸馏法，的技术和一种执行软决策的决策树，将神经网络的泛化能力迁移到决策树上。 近日，针对泛化能力强大的深度神经网络（DNN）无法解释其具体决策的问题，深度学习殿堂级人物 Geoffrey Hinton 等人发表 arXiv 论文提出「软决...
当涉及到机器学习和数据科学时，决策树是一种广泛使用的算法。TensorFlow是一种流行的机器学习框架，它可以用于训练和部署决策树模型。在本文中，我们将探讨如何使用TensorFlow实现决策树算法。 首先，让我们了解一下决策树算法的工作原理。决策树是一种基于树形结构的分类算法，它将数据集分成不同的类别或标签。决策树的每个节点表示一个特征，每个分支表示该特征的一个可能取值，而每个叶节点表示一个类...
阅读 421·2023-04-25 21:29
阅读 921·2023-04-25 21:27
阅读 824·2021-11-25 09:43
阅读 951·2021-09-29 09:43
阅读 3466·2021-09-03 10:30
阅读 2741·2019-08-29 15:26
阅读 2708·2019-08-29 12:52
阅读 1602·2019-08-29 11:10
