Python 10 sklearn 1

import Machine Learning funkcje transformujące do dalszych prac

from sklearn import preprocessing

normalizacja etykiet, tak aby zawierały wartości od 0 do n_klasy-1

le = preprocessing. LabelEncoder()

zwrócić zakodowane etykiety

classes = le. fit_transform(df["col"]) target = classes data = df. drop(columns='col')

import losowe podzbiory train oraz test

from sklearn. model_selection import train_test_split

Podziel tablice lub macierze na losowe podzbiory train oraz test

data_train, data_test, target_train, target_test = train_test_split(data, target, test_size=0.20, random_state=10 )

import w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność Naiwego-Bayesa podzbioru

from sklearn. naive_bayes import GaussianNB from sklearn. metrics import accuracy_score

w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność Naiwego-Bayesa podzbioru

gnb = GaussianNB() pred = gnb. fit(data_train, target_train). predict(data_test) accuracy_score(target_test, pred, normalize=True)

import w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność liniowa SVC

from sklearn. svm import LinearSVC from sklearn. metrics import accuracy_score

w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność liniowa SVC

svc_model = LinearSVC(random_state=0) pred = svc_model. fit(data_train, target_train). predict(data_test) accuracy_score(target_test, pred, normalize=True)

import w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność KNeighbors

from sklearn. neighbors import KNeighborsClassifier from sklearn. metrics import accuracy_score

w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność KNeighbors

neigh = KNeighborsClassifier(n_neighbors=3, weights='distance') neigh. fit(data_train, target_train) pred = neigh. predict(data_test) accuracy_score(target_test, pred)

import w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność MLPClassifier

from sklearn. neural_network import MLPClassifier

w klasyfikacji wielopłaszczyznowej ta funkcja oblicza dokładność MLPClassifier

mlp = MLPClassifier(hidden_layer_sizes=(100, 50, 20)) mlp. fit(data_train, target_train) predictions = mlp. predict(data_test)