前言:
眼前朋友们对“网易课堂python”大约比较注意,我们都需要学习一些“网易课堂python”的相关资讯。那么小编也在网上汇集了一些有关“网易课堂python””的相关内容,希望各位老铁们能喜欢,同学们一起来了解一下吧!5.3 在5.2基础上,取数据集前600条记录作为训练数据,后90条记录作为测试数据,构建支持向量机模型,输出其模型准确率和预测准确率。
[知识点及要求]支持向量机分类模型及其应用
示例代码如下:
# -*- coding: utf-8 -*-import pandas as pddata = pd.read_excel("银行贷款审批数据.xlsx")from sklearn.preprocessing import Imputer#均值填充d1 = data.iloc[:,0:6]imp = Imputer(missing_values='NaN',strategy='mean',axis=0) #按列填充imp.fit(d1)fd = imp.transform(d1)#最频繁值填充d2 = data.iloc[:,6:-1]imp1 = Imputer(missing_values='NaN',strategy="most_frequent",axis=0)imp1.fit(d2)fd1 = imp1.transform(d2)#数据标准化 均值方差from sklearn.preprocessing import StandardScalerscaler = StandardScaler()scaler.fit(fd)fd = scaler.transform(fd)#支持向量机模型分类及其应用import numpy as npx = pd.DataFrame(np.hstack((fd,fd1)))x1 = x.iloc[:600,:] #训练数据y1 = data.iloc[:600,15]x2 = x.iloc[600:,:] #测试数据y2 = data.iloc[600:,15]from sklearn import svmclf = svm.SVC(kernel='rbf')clf.fit(x1,y1)rv = clf.score(x1,y1)R = clf.predict(x2)z = R-y2Rs = len(z[z==0])/len(z)print("模型准确率: " + str(rv))print("预测准确率:" + str(Rs))
运行结果如下图:
更多内容请见网易云课堂Python大数据学习吧:
版权声明:
本站文章均来自互联网搜集,如有侵犯您的权益,请联系我们删除,谢谢。
标签: #网易课堂python