大作业初稿
2018-12-20 20:25 PM的世代 阅读(119) 评论(0) 编辑 收藏 举报#线性回归模型:建立13个变量与房价之间的预测模型,并检测模型好坏。 from sklearn.datasets import load_boston import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split boston=load_boston()#导入数据集 x = boston.data y = boston.target x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3)#划分训练集和测试集 lineR=LinearRegression()#线性模型 lineR.fit(x_train,y_train) #判断模型的好坏 print('预测的准确率:',lineR.score(x_test,y_test)) #4. 多项式回归模型:建立13个变量与房价之间的预测模型,并检测模型好坏。 from sklearn.preprocessing import PolynomialFeatures poly=PolynomialFeatures(degree=2) from sklearn.linear_model import LinearRegression lineR=LinearRegression() x= boston.data y = boston.target x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3)#划分训练集和测试集 #多项式操作 x_train_poly=poly.fit_transform(x_train) x_test_poly=poly.transform(x_test) lineR.fit(x_train_poly,y_train)#建立模型 print('预测的准确率:',lineR.score(x_test_poly,y_test)) #图形化 from sklearn.linear_model import LinearRegression import matplotlib.pyplot as plt lineR=LinearRegression() lineR.fit(x_train_poly,y_train) y_poly_pred=lineR.predict(x_test_poly) plt.plot(y,y,'r') plt.scatter(y_test,y_poly_pred) plt.show() #新闻文本分类 import os import jieba #读取文件内容 content=[]#存放新闻的内容 label=[]#存放新闻的类别 def read_txt(path): folder_list=os.listdir(path)#遍历data下的文件名 for file in folder_list: new_path=os.path.join(path,file) #读取文件夹的名称,生成新的路径 files=os.listdir(new_path)#存放文件的内容 #遍历每个txt文件 for f in files: with open(os.path.join(new_path,f),'r',encoding='UTF-8')as f: #打开txt文件 temp_file=f.read() content.append(processing(temp_file)) label.append(file) print(content) print(label) #划分训练集和测试,用TF-IDF算法进行单词权值的计算 from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.model_selection import train_test_split tfidf= TfidfVectorizer() x_train,x_test,y_train,y_test=train_test_split(content,label,test_size=0.2) X_train=tfidf.fit_transform(x_train) X_test=tfidf.transform(x_test) #构建贝叶斯模型 from sklearn.naive_bayes import MultinomialNB #用于离散特征分类,文本分类单词统计,以出现的次数作为特征值 mulp=MultinomialNB () mulp_NB=mulp.fit(X_train,y_train) #对模型进行预测 y_predict=mulp.predict(X_test) # # 从sklearn.metrics里导入classification_report做分类的性能报告 from sklearn.metrics import classification_report print('模型的准确率为:', mulp.score(X_test, y_test)) print('classification_report:\n',classification_report(y_test, y_predict))