Python 的 sklearn（DecisionTreeClassifier，SVM）之间的区别？

Question

我是机器学习的新手 - 特别是分类技术。

我已经在线阅读了一些教程并且正在使用 iris data set。我尝试使用

将数据集分成训练和测试

train, test = train_test_split(df,
                               test_size=test_size,
                               train_size=train_size,
                               random_state=random_state)

随后，我找到了 2 种方法来拟合模型（DecisionTreeClassifier & SVM）：

dt = DecisionTreeClassifier(min_samples_split=20, random_state=99)
clf = svm.SVC(kernel='linear', C=1)

两种模型都允许我使用 .fit() 和 .score() 方法。我尝试对具有不同大小和随机状态的数据进行重采样，但我得到的 2 个模型的分数完全相同，为 0.9852。难道我做错了什么？

此外，是否需要将我的目标变量 ("class") 转换为 here 所述的数值？我尝试用原始字符串值拟合数据框，但得到了相同的结果。非常感谢任何帮助！

Answer 1

train_test_split 的正确使用方法如下：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

#Load Iris data, X: features and y:target/labels
df = load_iris()
y = df.target
X = df.data

#Split the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state= 99)

#Fit the 2 classifiers
dt = DecisionTreeClassifier(min_samples_split=20, random_state=99)
clf = SVC(kernel='linear', C=1)

dt.fit(X_train, y_train)
y_predicted_dt = dt.predict(X_test)
scores_dt = accuracy_score(y_test, y_predicted_dt)
print(scores_dt)

clf.fit(X_train, y_train)
y_predicted_clf = clf.predict(X_test)
scores_clf = accuracy_score(y_test, y_predicted_clf)
print(scores_clf)

结果：

#Accuracy of dt classifier
0.933333333333

#Accuracy of clf classifier
0.983333333333

底线：

在你的例子中，你只传递 X train_test_split 中的 df。

您不需要转换类。只需使用 accuracy_score 或 cross_val_score 函数。

Python 的 sklearn（DecisionTreeClassifier，SVM）之间的区别？

Difference between Python's sklearn (DecisionTreeClassifier, SVM)?

python

classification

machine-learning

decision-tree

scikit-learn