《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.2
来源:互联网 发布:五毛特效是什么软件 编辑:程序博客网 时间:2024/05/29 09:35
# 从sklearn.datasets里导入手写体数字加载器。from sklearn.datasets import load_digits# 从通过数据加载器获得手写体数字的数码图像数据并储存在digits变量中。digits = load_digits()# 检视数据规模和特征维度。digits.data.shape# 从sklearn.cross_validation中导入train_test_split用于数据分割。from sklearn.model_selection import train_test_split# 随机选取75%的数据作为训练样本;其余25%的数据作为测试样本。X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=33)y_train.shapey_test.shape# 从sklearn.preprocessing里导入数据标准化模块。from sklearn.preprocessing import StandardScaler# 从sklearn.svm里导入基于线性假设的支持向量机分类器LinearSVC。from sklearn.svm import LinearSVC# 从仍然需要对训练和测试的特征数据进行标准化。ss = StandardScaler()X_train = ss.fit_transform(X_train)X_test = ss.transform(X_test)# 初始化线性假设的支持向量机分类器LinearSVC。lsvc = LinearSVC()#进行模型训练lsvc.fit(X_train, y_train)# 利用训练好的模型对测试样本的数字类别进行预测,预测结果储存在变量y_predict中。y_predict = lsvc.predict(X_test)
阅读全文
1 0
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.2
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.1
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.3
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.4
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter1.1
- 《Python 机器学习及实践--从零开始通往kaggle竞赛之路》笔记
- Python机器学习实践与Kaggle实战
- kaggle机器学习竞赛冠军及分享
- Python机器学习及实践:
- 《python机器学习及实践》书籍代码练习
- 通往python之路(一)
- 机器学习-Kaggle竞赛-Titanic
- kaggle机器学习教程(Python实现)
- Python机器学习实战与kaggle实战
- python机器学习及实践学习笔记2-编码问题
- Kaggle 机器学习竞赛冠军及优胜者的源代码汇总
- Kaggle 机器学习竞赛冠军及优胜者的源代码汇总
- Kaggle 机器学习竞赛冠军及优胜者的源代码汇总
- uva 11991 Easy Problem from Rujia Liu?
- Wait/Notify通知机制解析
- BZOJ1500: [NOI2005]维修数列(洛谷P2042)
- [转载]github连接速度
- 二分查找,递归与非递归
- 《python机器学习及实践-从零开始通往kaggle竞赛之路(代码Python 3.6 版)》chapter2.1.1.2
- ZOJ 3988 Prime Set(二分图)
- 计算1/1-1/2+1/3-1/4+1/5 …… + 1/99
- 【JavaWeb】Mysql source 恢复数据出错解决
- docker开启rabbitmq
- 2. R语言中各种数据类型常见运算的函数
- 操作系统03 进程与线程
- 欢迎使用CSDN-markdown编辑器
- opencv4android开发记录(2):简单文字检测