《机器学习与数据挖掘》实验八

桃扇骨 2023-10-07 22:14 43阅读 0赞

> 实验题目： 编程实现AdaBoost算法 
> 
> 实验目的： 掌握AdaBoost算法的求解过程 
> 
> 实验环境（硬件和软件） Anaconda/Jupyter notebook/Pycharm 
> 
> 实验内容：
> 
> 编码实现AdaBoost算法，以决策树为基学习器，训练一个AdaBoost集成模型，对测试样本进行判别。
> 
> **要求：**
> 
> **一、**已经给定部分代码，补充完整的代码，需要补充代码的地方已经用红色字体标注，包括：
> 
> **（****1****）****\#****补充定义弱分类器的代码**
> 
> **（****2****）****\#****补充定义、训练****AdaBoost****分类器的代码**
> 
> **（****3****）****\#****补充评估模型在测试集上的精度的代码**
> 
> **二、**将补充完整的代码提交，并提交实验结果；（**也可以自己重写这部分的代码提交**）

from sklearn.tree import DecisionTreeClassifier
    from sklearn.ensemble import AdaBoostClassifier
    from sklearn.datasets import load_iris
    from sklearn.metrics import accuracy_score
    from sklearn.model_selection import train_test_split
    import numpy as np
    data = np.loadtxt('D:\\桌面文件\\2023大三上\\数据挖掘\\实验八\\wine.data',delimiter=',')
    X = data[:,1:]
    y = data[:,0:1]
    X_train,X_test,y_train,y_test = train_test_split(X,y.ravel(),train_size=0.8,random_state=0)
    #补充定义弱分类器的代码
    model = AdaBoostClassifier(DecisionTreeClassifier(max_depth = 2),algorithm = 'SAMME',n_estimators =10)
    
    #补充定义、训练AdaBoost分类器的代码
    model.fit(X_train,y_train)
    #评估模型在训练集上的精度
    y_train_hat = model.predict(X_train)
    print("train accuarcy:",accuracy_score(y_train,y_train_hat))
    #补充评估模型在测试集上的精度的代码
    y_test_hat = model.predict(X_test)
    print (" test accuarcy:",accuracy_score(y_test,y_test_hat ))

> 如果采纳谢谢大家的点赞和收藏！！！