04-11 随机森林代码(葡萄酒质量检测)

目录

• 随机森林代码(葡萄酒质量检测)
• 一、导入模块
• 二、导入数据
• 三、数据预处理
• 四、训练模型
• 五、度量模型

更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html

随机森林代码(葡萄酒质量检测)

一、导入模块

import pandas as pd
from sklearn import datasets
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

二、导入数据

X, y = datasets.load_wine(return_X_y=True)

三、数据预处理

le = LabelEncoder()
# 把label转换为0和1
y = le.fit_transform(y)
# 训练集和测试集比例为7:3

X_train, X_test, y_train, y_test = train_test_split(

X, y, test_size=0.30,  random_state=1)

四、训练模型

rf = RandomForestClassifier(n_estimators=1000, criterion='gini',
                            max_features='sqrt', min_samples_split=2, bootstrap=True)
rf = rf.fit(X_train, y_train)

五、度量模型

y_train_pred = rf.predict(X_train)
y_test_pred = rf.predict(X_test)
# 度量随机森林的准确性

tree_train = accuracy_score(y_train, y_train_pred)

tree_test = accuracy_score(y_test, y_test_pred)
print('随机森林训练集和测试集准确度分别为:{:.2f}/{:.2f}'.format(tree_train, tree_test))

随机森林训练集和测试集准确度分别为:1.00/0.98