voting
使用方式
- voting = ‘hard’：根据少数服从多数来定最终结果
- voting = ‘soft’：将所有模型预测样本为某一类别的概率的平均值作为标准，概率最高的对应的类型为最终的预测结果
代码实现
from sklearn import datasets from sklearn import model_selection from sklearn.linear_model import LogisticRegression from sklearn.neighbors import KNeighborsClassifier from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import VotingClassifier import numpy as np # 载入数据集 iris = datasets.load_iris() # 只要第1,2列的特征 x_data, y_data = iris.data[:, 1:3], iris.target # 定义三个不同的分类器 clf1 = KNeighborsClassifier(n_neighbors=1) clf2 = DecisionTreeClassifier() clf3 = LogisticRegression() sclf = VotingClassifier([('knn',clf1),('dtree',clf2), ('lr',clf3)], voting='soft') for clf, label in zip([clf1, clf2, clf3, sclf], ['KNN','Decision Tree','LogisticRegression','VotingClassifier']): scores = model_selection.cross_val_score(clf, x_data, y_data, cv=3, scoring='accuracy') print("Accuracy: %0.2f [%s]" % (scores.mean(), label)) 
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/216640.html原文链接：https://javaforall.net
