使用随机森林模型在digits数据集上执行分类任务

程序功能

使用随机森林模型对digits数据集进行手写数字分类任务。具体步骤如下：
加载数据：从digits数据集中获取手写数字图片的特征和对应的标签。
划分数据：将数据集分为训练集和测试集，测试集占30%。
训练模型：使用随机森林算法训练分类模型。
进行预测：使用训练好的模型对测试集进行预测。
评估模型：输出模型的分类准确率和详细的分类报告，评估模型的分类效果。

代码

# 导入所需的库
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report

# 加载digits数据集
digits = load_digits()
X = digits.data  # 特征
y = digits.target  # 标签

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy:.2f}")

# 打印分类报告
print("分类报告:")
print(classification_report(y_test, y_pred, target_names=digits.target_names.astype(str)))

原文地址：https://blog.csdn.net/C7211BA/article/details/142307631

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！