《深度学习Python实践》第12章——审查分类算法
- 逻辑回归
from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LogisticRegressionfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=LogisticRegression()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
运行结果为:
0.7695146958304853
2.线性判别分析
## LDA
from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.discriminant_analysis import LinearDiscriminantAnalysisfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=LinearDiscriminantAnalysis()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
0.773462064251538
3.K近邻
##K近邻算法from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifierfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=KNeighborsClassifier()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
运行结果:
0.7265550239234451
4.贝叶斯分类器
##贝叶斯分类器from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.naive_bayes import GaussianNBfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=GaussianNB()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
运行结果:
0.7551777170198223
5.分类树与回归树
##分类树与回归树from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.tree import DecisionTreeClassifierfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=DecisionTreeClassifier()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
运行结果:
0.6860902255639098
6.SVM
##SVMfrom pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.svm import SVCfilename='/home/duan/文档/pima indians.txt'
names=['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array= data.values
X= array[:,0:8]
Y= array[:,8]
num_folds=10
seed=7
kfold=KFold(n_splits=num_folds, random_state=seed)
model=SVC()
result=cross_val_score(model,X,Y,cv=kfold)
print(result.mean())
运行结果:
0.6510252904989747
《深度学习Python实践》第12章——审查分类算法相关推荐
- 解析深度学习:语音识别实践 (俞栋等著) 完整pdf[44MB]
AlphaGo与李世石的围棋大战激发了人们对人工智能是非的诸多争论.人工智能背后的工作原理深度学习跳入大众的视野.AlphaGo的大获全胜一定程度展示了深度学习在应用领域的成功,而语音识别正是深度学习 ...
- 【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程(四)(Python语言基础(2))
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(四)(Python语言基础(2)) 第4讲 Python语言基础(2) 4.1 内置数据结构 4.1.1 序列数据结构(sequ ...
- 人工神经网络理论、设计及应用_TensorFlow深度学习应用实践:教你如何掌握深度学习模型及应用...
前言 通过TensorFlow图像处理,全面掌握深度学习模型及应用. 全面深入讲解反馈神经网络和卷积神经网络理论体系. 结合深度学习实际案例的实现,掌握TensorFlow程序设计方法和技巧. 着重深 ...
- 深度学习笔记第二门课 改善深层神经网络 第一周:深度学习的实践层面
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- 2.1)深度学习笔记:深度学习的实践层面
目录 1)Train/Dev/Test sets 2)Bias/Variance 3)Regularization(重点) 4)Why regularization reduces overfitti ...
- 02.改善深层神经网络:超参数调试、正则化以及优化 W1.深度学习的实践层面(作业:初始化+正则化+梯度检验)
文章目录 作业1:初始化 1. 神经网络模型 2. 使用 0 初始化 3. 随机初始化 4. He 初始化 作业2:正则化 1. 无正则化模型 2. L2 正则化 3. DropOut 正则化 3.1 ...
- 深度学习系列 -- 第二门课 改善深层神经网络:超参数调试、正则化以及优化(一):深度学习的实践层面(Practical aspects of Deep Learning)
目录 一.深度学习的实践层面(Practical aspects of Deep Learning) 1 训练,验证,测试集(Train / Dev / Test sets) 2 偏差,方差(Bias ...
- 【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程(八)(TensorFlow基础))
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...
- 一文弄懂元学习 (Meta Learing)(附代码实战)《繁凡的深度学习笔记》第 15 章 元学习详解 (上)万字中文综述
<繁凡的深度学习笔记>第 15 章 元学习详解 (上)万字中文综述(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net ...
- 一文让你完全弄懂回归问题、激活函数、梯度下降和神经元模型实战《繁凡的深度学习笔记》第 2 章 回归问题与神经元模型(DL笔记整理系列)
<繁凡的深度学习笔记>第 2 章 回归问题与神经元模型(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net/ http ...
最新文章
- 发现还是 True Image Server v8.1.941 比较好用
- C++学习之路 | PTA(甲级)—— 1099 Build A Binary Search Tree (30分)(带注释)(精简)
- 等午饭吃过后的dwzjzx
- 接口的特点 java 1614101071
- ubuntu man命令彩色高亮显示
- 如何处理Long类型精度丢失问题?
- 在PaaS上构建SaaS应用程序需要注意什么
- python剑指offer剪绳子
- cookie token 了解一下
- mergeBeanDefinition原理
- 基于MATLAB的语音信号设计,基于MATLAB的语音信号处理系统设计
- 通往区块链的最后一张船票
- VSCode JavaScript 代码格式化 美化 Beautify
- Udacity 自动驾驶工程师学习笔记(二)——深度学习(1)
- 利用elementUI里面的message做一个倒计时!简单实用
- mysql distinct 优化_SQL优化终于干掉了“distinct”
- python窗口界面自适应_自适应页面的实现方式
- 前端三剑客入门学习笔记之HTML
- Spring Boot Freemarker 模板调用Java方法
- Python基础知识(二)基本数据结构list列表和dict字典
热门文章
- 怎么通过安装包安装mysql_教你安装Mysql(解压版/非安装包)图文教程
- mysql 结果集换页_MySQL 按结果集分页
- python 对excel操作用法详解_Python对excel文档的操作方法详解
- python对于一元线性回归模型_Python|机器学习-一元线性回归
- 苹果电脑您没有权限来打开应用程序_苹果电脑换“芯”,全网最快的Apple Silicon M1 MacBook Air发售...
- c语言标识符附录,附录AC语言运算符表.PDF
- (秒杀项目) 4.5 项目部署与压测
- ElementUI:修改tabs标签鼠标悬浮和选中标签
- Javascript:各种定位clientX、pageY、screenX、offsetY区别
- 计算机应用能力考试初级,河北省职称计算机应用能力考试初级