深入浅出python机器学习_9.1.5_通过数据预处理提高模型的准确率

# 导入红酒数据集from sklearn.datasets import load_wine# 导入MLP神经网络from sklearn.neural_network import MLPClassifier# 导入数据集拆分工具from sklearn.model_selection import train_test_split# 建立训练集个测试集wine=load_wine()X_train,X_test,y_train,y_test=train_test_split(wine.data,wine.target,random_state=62)# 打印数据形态print(X_train.shape,X_test.shape)

(133, 13) (45, 13)

# 设定MLP神经网络的参数mlp=MLPClassifier(hidden_layer_sizes=[100,100],max_iter=400,random_state=62)# 使用MLP拟合数据mlp.fit(X_train,y_train)# 打印模型得分print('模型得分:{:.2f}'.format(mlp.score(X_test,y_test)))# 书上模型得分是0.24, 我咋有0.93分呢?

模型得分:0.93c:\users\huawei\appdata\local\programs\python\python36\lib\site-packages\sklearn\neural_network\multilayer_perceptron.py:566: ConvergenceWarning: Stochastic Optimizer: Maximum iterations (400) reached and the optimization hasn't converged yet.% self.max_iter, ConvergenceWarning)

# 使用MinMaxScaler进行数据预处理from sklearn.preprocessing import MinMaxScalerscaler=MinMaxScaler()scaler.fit(X_train)X_train_pp=scaler.transform(X_train)X_test_pp=scaler.transform(X_test)# 重新训练模型mlp.fit(X_train_pp,y_train)# 打印模型分数print('数据预处理后的模型得分:{:.2f}'.format(mlp.score(X_test_pp,y_test)))

数据预处理后的模型得分:1.00

深入浅出python机器学习_9.1.5_通过数据预处理提高模型的准确率_MinMaxScaler相关推荐

深入浅出python机器学习_9.1_数据预处理_sklearn.preprocessing.StandardScaler MinMaxScaler RobustScaler Normalizer
# 使用StandardScaler进行数据预处理import numpyimport matplotlib.pyplot as pltfrom sklearn.datasets import mak ...
深入浅出Python机器学习9——数据预处理、降维、特征提取及聚类
数据预处理使用 StandScaler 进行数据预处理首先手工生成一些数据: 用make_blobs 函数时,指定了样本数量 n_samples 为 40,分类 centers 为 ...
回归素材(part10)--深入浅出python机器学习
学习笔记,仅供参考,有错必纠文章目录深入浅出python机器学习线性回归基本原理使用 L 2 L_2 L<
python机器学习-朴素贝叶斯（Naive Bayes）模型建立及评估（完整代码+实现效果）
实现功能: python机器学习-朴素贝叶斯(Naive Bayes)模型建立及评估. 实现代码: # 导入需要的库 from warnings import simplefilter simplef ...
R语言机器学习Caret包（Caret包是分类和回归训练的简称）、数据划分、数据预处理、模型构建、模型调优、模型评估、多模型对比、模型预测推理
R语言机器学习Caret包(Caret包是分类和回归训练的简称).数据划分.数据预处理.模型构建.模型调优.模型评估.多模型对比.模型预测推理目录
机器学习-特征工程中的数据预处理
对于一个机器学习问题,数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限.由此可见,数据和特征在模型的整个开发过程中是比较重要.特征工程,顾名思义,是对原始数据进行一系列工程处理,将其提炼为 ...
深入浅出Python机器学习4——广义线性模型
线性模型的基本概念线性模型的一般公式在机器学习领域,常用的线性模型包括线性回归.岭回归.套索回归.逻辑回归和线性SVC等. 假如我们有一条直线,其方程是 y = 0.5 ...
机器学习实战——特征工程之数据预处理
机器学习实战的特征工程主要包含数据预处理.特征构建.特征选择三步,首先来介绍数据预处理. 我选择python作为工具,并将主要用到pandas.numpy等数据工具库.加载库: import pand ...
python必备基础代码-【Python基础系列】常见的数据预处理方法（附代码）
本文简单介绍python中一些常见的数据预处理,包括数据加载.缺失值处理.异常值处理.描述性变量转换为数值型.训练集测试集划分.数据规范化. 1. 加载数据 1.1 数据读取数据格式有很多,介绍常见 ...

深入浅出python机器学习_9.1.5_通过数据预处理提高模型的准确率_MinMaxScaler

深入浅出python机器学习_9.1.5_通过数据预处理提高模型的准确率_MinMaxScaler相关推荐

最新文章

热门文章