Python與機器學習（第2版）（微課版） 課件 4-07-拓展實訓：利用身高、體重、性別等實現(xiàn)肥胖判定_第1頁
Python與機器學習（第2版）（微課版） 課件 4-07-拓展實訓：利用身高、體重、性別等實現(xiàn)肥胖判定_第2頁
Python與機器學習（第2版）（微課版） 課件 4-07-拓展實訓：利用身高、體重、性別等實現(xiàn)肥胖判定_第3頁
Python與機器學習（第2版）（微課版） 課件 4-07-拓展實訓：利用身高、體重、性別等實現(xiàn)肥胖判定_第4頁
Python與機器學習（第2版）（微課版） 課件 4-07-拓展實訓：利用身高、體重、性別等實現(xiàn)肥胖判定_第5頁
已閱讀5頁，還剩3頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

項目背景|項目概述|學習目標|任務實施步驟拓展實訓利用身高、體重、性別數(shù)據(jù)實現(xiàn)肥胖判定【數(shù)據(jù)挖掘應用】課程負責人：陳清華01101111011010111101010000101101010100111101

熟練使用read_csv()從本地CSV文件讀取數(shù)據(jù)；

熟練使用Sklearn的preprocessing對數(shù)據(jù)進行預處理；

熟練使用Sklearn分類算法對數(shù)據(jù)進行分類分析與預測；技能學習目標熟練使用Matplotlib工具包展現(xiàn)分類分析結果。項目總體要求原始數(shù)據(jù)肥胖分類分析一、數(shù)據(jù)獲取#coding:utf-8importpandasaspddf=pd.read_csv('hws31.csv',delimiter=',')df.head()二、數(shù)據(jù)預處理歸一化處理數(shù)值化處理數(shù)據(jù)集切分三、模型訓練邏輯回歸樸素貝葉斯決策樹支持向量機四、模型評估#模型評估報告

fromsklearn.metricsimportclassification_report

print(classification_report(y_test,classifier.predict(x_test)))

精確率召回率（recall）準確率F1分數(shù)（F1-Score）還在等什么？馬上動手實施肥胖程度判定項目吧~1.sklearn數(shù)據(jù)預處理2.

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論