基于sklearn实现Bagging算法(python)

 更新时间:2021年06月16日 15:39:36   作者:little_yan_yan  
这篇文章主要为大家详细介绍了基于sklearn实现Bagging算法,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

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。

相关文章

  • 在pycharm中无法import所安装的库解决方案

    在pycharm中无法import所安装的库解决方案

    这篇文章主要介绍了在pycharm中无法import所安装的库解决方案,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-05-05
  • 用Python制作mini翻译器的实现示例

    用Python制作mini翻译器的实现示例

    这篇文章主要介绍了用Python制作mini翻译器的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-08-08
  • pandas dataframe按照列名给列排序三种方法

    pandas dataframe按照列名给列排序三种方法

    这篇文章主要给大家介绍了关于pandas dataframe按照列名给列排序的三种方法,在进行数据分析操作时,经常需要对数据按照某行某列排序,或者按照多行多列排序,以及按照索引值排序等等,需要的朋友可以参考下
    2023-07-07
  • 如何在代码中安装 Python 模块

    如何在代码中安装 Python 模块

    这篇文章主要介绍了如何在代码中安装Python模块,本文结合示例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-06-06
  • python爬虫中采集中遇到的问题整理

    python爬虫中采集中遇到的问题整理

    在本篇文章里小编给大家整理了关于python爬虫中采集中遇到的问题整理内容,需要的朋友们可以学习参考下。
    2020-11-11
  • Python调用Matplotlib绘制振动图、箱型图和提琴图

    Python调用Matplotlib绘制振动图、箱型图和提琴图

    Matplotlib作为用于数据可视化的Python软件包,能够绘制多种2D图像,它使用简单、代码清晰易懂,深受广大技术爱好者喜爱。本文主要介绍了通过 Matplotlib绘制振动图、箱型图、提琴图,需要的朋友可以参考一下
    2021-12-12
  • Python count函数使用方法实例解析

    Python count函数使用方法实例解析

    这篇文章主要介绍了Python count函数使用方法实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-03-03
  • Python操作多维数组输出和矩阵运算示例

    Python操作多维数组输出和矩阵运算示例

    这篇文章主要介绍了Python操作多维数组输出和矩阵运算,结合实例形式分析了Python多维数组的生成、打印输出及矩阵运算相关操作技巧,需要的朋友可以参考下
    2019-11-11
  • python list等分并从等分的子集中随机选取一个数

    python list等分并从等分的子集中随机选取一个数

    这篇文章主要介绍了python list等分并从等分的子集中随机选取一个数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-11-11
  • 在django中使用apscheduler 执行计划任务的实现方法

    在django中使用apscheduler 执行计划任务的实现方法

    这篇文章主要介绍了如何在django中使用apscheduler 执行计划任务,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-02-02

最新评论