标签：使用 style pandas list() 打印 auto tran rac name
数据预处理-算法加工-预测-校验
knn
#构建kNN分类器 neigh = kNN(n_neighbors = 3, algorithm = ‘auto‘) #拟合模型, trainingMat为训练矩阵,hwLabels为对应的标签 neigh.fit(trainingMat, hwLabels) #获得预测结果，vectorUnderTest 向量 classifierResult = neigh.predict(vectorUnderTest)
决策树
lenses_pd = pd.DataFrame(lenses_dict) # 生成pandas.DataFrame
# print(lenses_pd) #打印pandas.DataFrame
le = LabelEncoder() # 创建LabelEncoder()对象，用于序列化
for col in lenses_pd.columns: # 序列化
lenses_pd[col] = le.fit_transform(lenses_pd[col])
clf = tree.DecisionTreeClassifier(max_depth=4) # 创建DecisionTreeClassifier()类
clf = clf.fit(lenses_pd.values.tolist(), lenses_target) # 使用数据，构建决策树
dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data, # 绘制决策树
feature_names=lenses_pd.keys(),
class_names=clf.classes_,
filled=True, rounded=True,
special_characters=True)
# graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
# graph.write_pdf("tree.pdf") # 保存绘制好的决策树，以PDF的形式存储。
print(clf.predict([[1, 1, 1, 0]])) # 预测
标签：使用 style pandas list() 打印 auto tran rac name
原文地址：https://www.cnblogs.com/dzhou/p/10551172.html
