使用 Python 编写一个机器学习模型例如支持向量机或决策树用于分类数据?
import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
# Load the data
data = pd.read_csv('data.csv')
# Preprocess the data
scaler = StandardScaler()
X_train = scaler.fit_transform(data.iloc[:int(0.8 * len(data))]['features'])
y_train = data.iloc[:int(0.8 * len(data))]['target']
X_test = scaler.transform(data.iloc[int(0.8 * len(data)):])
y_test = data.iloc[int(0.8 * len(data)):]['target']
# Create the SVM model
svm = SVC()
# Train the model
svm.fit(X_train, y_train)
# Evaluate the model
print('Accuracy:', svm.score(X_test, y_test))
# Create the decision tree model
tree = DecisionTreeClassifier()
# Train the model
tree.fit(X_train, y_train)
# Evaluate the model
print('Accuracy:', tree.score(X_test, y_test))
data.csv 是一个包含分类数据的 CSV 文件。
运行程序：
- 将 data.csv 文件保存为 data.csv。
- 运行程序。
输出：
支持向量机和决策树的准确性。
注意：
- 你需要根据你的数据集进行调整。
- 你可以更改模型参数，以优化其性能。
- 你可以使用其他机器学习库，例如 Keras 或 TensorFlow，来构建模型。
