接下来，我们将看看创建猜测模型。

在Python中构建一个猜测模型

如今，我们已经有对建模有效的数据，如今我们来看看python代码，在我们的数据集上创建一个猜测模型。Skicit-Learn(sklearn)是Python中最常用的机械进修库，我们将会借助它来建模。

既然，sklearn请求所有输入都是数字，所以我们应当对类别进行编码，将所有的分类变量转换为数值变量。这可以应用以下代码完成：

from sklearn.preprocessing import LabelEncoder 
 
var_mod = ['Gender','Married','Dependents','Education','Self_Employed','Property_Area','Loan_Status'] 
 
le = LabelEncoder() 
 
for i in var_mod: 
 
    df[i] = le.fit_transform(df[i]) 
 
df.dtypes  

第三方库支撑，固然很多库供给3.X的支撑，但仍然有大年夜量库只能在2.X版本上运行。如不亚妹计算将Python用于特定的场景，如网页开辟，高度依附外部模块，你可能选择2.7版本会更好。

接下来，我们将导入所需的模块。然后我们将定义一个通用分类函数，它将模型作为输入，并肯定精确度和交叉验证得分。既然这是一个介绍性的文┞仿，我将不再赘述编码的细节。

#Import models from scikit learn module: 
 
from sklearn.linear_model import LogisticRegression 
 
from sklearn.cross_validation import KFold   #For K-fold cross validation 
 
from sklearn.ensemble import RandomForestClassifier 
 
from sklearn.tree import DecisionTreeClassifier, export_graphviz 
 
from sklearn import metrics 
 
#Generic function for making a classification model and accessing performance: 
 
def classification_model(model, data, predictors, outcome): 
 
  #Fit the model: 
 
  model.fit(data[predictors],data[outcome]) 
 
  #Make predictions on training set: 
 
  predictions = model.predict(data[predictors]) 
 
  #Print accuracy 
 
  accuracy = metrics.accuracy_score(predictions,data[outcome]) 
 
  print "Accuracy : %s" % "{0:.3%}".format(accuracy) 
 
  #Perform k-fold cross-validation with 5 folds 
 
  kf = KFold(data.shape[0], n_folds=5) 
 
  error = [] 
 
  for train, test in kf: 
 
    # Filter training data 
 
    train_predictors = (data[predictors].iloc[train,:]) 
 
    # The target we're using to train the algorithm. 
 
    train_target = data[outcome].iloc[train] 
 
    # Training the algorithm using the predictors 	
			
 7/10   首页 上一页 5 6 7 8 9 10 下一页 尾页
	
			

　　推荐阅读
　　JavaScript操作DOM的那些坑
scrollTop为滚动条向下移动的距离，所有浏览器都支撑document.documentElement。
            【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！

            js在操作DOM中存在着很多>>>详细阅读


本文标题：技术 | 使用Python来学习数据科学的完整教程
地址：http://www.17bianji.com/lsqh/36300.html
 1/2    1