EL之DT&RF&GBT:基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能

 

 

目录

输出结果

设计思路

核心代码


 

 

 

 

输出结果

EL之DT&RF&GBT:基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能_DataScienceEL之DT&RF&GBT:基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能_EL_02EL之DT&RF&GBT:基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能_EL_03

 

设计思路

EL之DT&RF&GBT:基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能_Algorithm_04

 

 

核心代码

vec = DictVectorizer(sparse=False)   
X_train = vec.fit_transform(X_train.to_dict(orient='record'))
X_test = vec.transform(X_test.to_dict(orient='record'))



dtc.fit(X_train, y_train)
dtc_y_pred = dtc.predict(X_test)


rfc.fit(X_train, y_train)
rfc_y_pred = rfc.predict(X_test)

rfc.score(X_test, y_test)
classification_report(rfc_y_pred, y_test)


gbc.fit(X_train, y_train)
gbc_y_pred = gbc.predict(X_test)

gbc.score(X_test, y_test)
classification_report(gbc_y_pred, y_test)

 

 

更多文章请关注《万象专栏》