我正在尝试用sklearn的决策树分类器做一个动物猜谜游戏。在这种情况下，通过用户的输入，它会说出动物是蜘蛛还是鱼。当我输入腿的数量和它停留的位置时，它会说动物是鱼，反之亦然。from sklearn.tree import DecisionTreeClassifier
features=[[6,0],
浏览 16提问于2020-06-21得票数 2
回答已采纳
1回答
因此，我正在寻找一些库，有一个非二进制决策树算法的实现。例如，我想使用一些决策树算法对动物园集()进行分类。到目前为止，我已经发现了sklearn方法(DecisionTreeClassifier)：dtree=DecisionTreeClassifier()动物园集合有明确的数据，所以我认为最好在这里使用非二叉树(这不是一个点，但如果我错了请
浏览 1提问于2019-12-10得票数 5
1回答
我正在使用sklearn的决策树分类器，但是我得到了100%的分数，我不知道出了什么问题。我已经测试了svm和knn，两者的准确率都在60%到80%之间，看起来也不错。using Decision tree classifier is {0:.8f}%".format(100* 这是输出:决策树分类器决策树分类器(max_depth
浏览 2提问于2020-07-02得票数 0
回答已采纳
我读到sklearn中的内置集成方法使用决策树作为基本分类器。是否可以使用自定义分类器来代替？
浏览 3提问于2012-05-09得票数 7
回答已采纳
2回答
我从事数据挖掘工作，熟悉分类、聚类和回归任务。在分类中，可以有许多实例(例如动物)、它们的特征(例如腿的数量)和一个类别(例如哺乳动物、爬行动物)。我可以提供我所拥有的所有已知属性，如果模型找不到答案，它可以要求另一个属性-只是类似于20个问题的游戏风格。
所以，我的问题是:这个特定的任务有名称吗？它似乎类似于分类，其中类对于每个实例都是唯一的，但这不适合当前的训练模型，可能除了决策树模型。
浏览 3提问于2014-04-28得票数 1
1回答
我用Python生成了一个使用sklearn的决策树分类器，该分类器在准确性方面运行良好。我用线性规划的最优解训练分类器，它将项目的最优分配返回给类，同时考虑全局成本约束(即将项目1分配给A类，代价为x。所有项目和类的总结果成本需要小于y值)。在使用分类器对所有项目进行重新分类后，虽然分类精度是可以接受的，但在大多数分类运行过程中都违反了全局成本约束。当然，因为p
浏览 1提问于2019-01-19得票数 2
回答已采纳
对于model.predict_proba(X)[:,0]，我得到的结果与SKLearn中的普通Grad决策树分类器的model.decision_function(X)不同，所以我知道这是不一样的。绘制ROC曲线等，如何利用XGBoost包装器获得SKLearn分类器的决策函数？为什么predict_proba和分数不同？
浏览 0提问于2018-04-11得票数 0
是否有一种将decisionTreeClassifier中的SKLearn与稀疏元组相匹配的方法？我所拥有的数据是基于大约100个特性，但其中只有少数是用来做决定的。实际上，每一行数据都是稀疏元组。我需要访问生成的结构--这就是我考虑使用SKLearn而不是DataRobot的原因。我对SKLearn decisionTreeClassifier的理解是，我必须将它转换为100个值的元组数组，并将这些特性只给出一个索引号。这就像有数据要分类，看起来就像(no ,v3,__,__,
浏览 0提问于2022-01-12得票数 0
1回答
from sklearn.ensemble import RandomForestRegressormodel.fit(X_train,y_train我试图从随机森林回归器中获取树文本数据。
浏览 1提问于2020-05-12得票数 0
回答已采纳
1回答
多类分类器
、、、
我正在使用MFCC功能处理一个音频多类分类问题(噪声，血管，2种动物)。我用不同的分类器得到了不同的结果。我尝试了贝叶斯类型，人工神经网络，MSVM和决策树。
谁能告诉我这4个分类器的优缺点是什么？
浏览 1提问于2015-05-10得票数 0
有没有办法在sklearn中把不同的分类器组合成一个？我找到了sklearn.ensamble包。它包含不同的模型，如AdaBoost和RandofForest，但它们在幕后使用决策树，我想使用不同的方法，如支持向量机和逻辑回归。是否可以使用sklearn？
浏览 6提问于2013-03-18得票数 1
回答已采纳
大家晚上好
本文的目的是从随机决策树过程中绘制决策树。在下一组代码中，我是如何绘制规则/正常决策树的。
浏览 6提问于2021-12-06得票数 1
回答已采纳
在python中实现的adaboost算法是如何为每个特性分配特性重要性的？我正在使用它进行特征选择，我的模型在基于feature_importance_值的特征选择方面表现得更好。
浏览 4提问于2016-04-16得票数 4
回答已采纳
朴素贝叶斯X_train, X_test, y_train, y_test = train_test_split(X_sm,y_sm, test_size = 0.2, random_state=0)
from sklearn.metricsrecall_score
nb.fit(X_train, y_trai
浏览 4提问于2019-10-26得票数 1
2回答
我想使用决策树根据6个也是浮点值的特征来预测浮点数的值。我意识到决策树可能不是最好的方法，但我正在比较多种方法，以便更好地理解它们。 22 178 y = np.copy(y)
浏览 0提问于2016-05-11得票数 1
4回答
每个条目都有关于某些主题的信息，最后有一个布尔值来告诉我它们是否是吸血动物。我的目标是能够给出一个概率，即一个新的主题是一个吸血动物，给出了上面显示的该主题的数据。我已经使用sklearn为我做了一些机器学习：
其中
浏览 1提问于2013-11-09得票数 4
希望使用决策树算法。但遇到一些错误，因为ValueError:无法将字符串转换为浮点型：'f‘。请帮帮我，我遗漏了哪里。npimport matplotlib.pyplot as plt
from sklearn import tree
from sklearn.model_select
浏览 16提问于2019-07-21得票数 0
1回答
例如，我使用sklearn创建了一个决策树分类器，并且能够导出树的确切结构，但也希望能够使用其他算法，例如KNN分类。这个是可能的吗？
浏览 4提问于2017-09-07得票数 0
回答已采纳
2回答
我正在阅读有关决策树和打包分类器的内容，并尝试展示在打包分类器中使用的第一个决策树。我对输出感到困惑。from sklearn.model_selection import train_test_splitfrom sklearn.ensembleimport BaggingClassifier
from sklearn import
浏览 53提问于2019-05-13得票数 3
回答已采纳
我正在尝试使用sklearn模块来训练决策树分类器。数据由一些分类特征和一些连续特征组成。但当我训练分类器时，具有1、2、3等值的分类特征被视为连续的。我得到的结果给出了一个范围，甚至对于特征的分类值也是如此。例如，我得到了一个决策树，其中X<4.5表示一个特定的类，其中X是一个分类特征。请注意，因为这里的X是分类的，所以值1与值2无关，但是分类器<
浏览 1提问于2015-05-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
