ML之RF&DT：利用RF(RFR)、DT(DTR)兩種算法實現對boston(波士頓房價)數據集進行訓練并預測

?

?

目錄

輸出結果

實現代碼

---

?

?

?

輸出結果

1、兩種算法的預測結果

2、回歸樹的可視化

?

?

實現代碼

boston_house = load_boston()boston_feature_name = boston_house.feature_names boston_features = boston_house.data boston_target = boston_house.targetprint('boston_feature_name','\n',boston_feature_name) print('boston_features[:5,:]','\n',boston_features[:5,:]) print('boston_target','\n',boston_target[:10])RFR = RandomForestRegressor(n_estimators=15) RFR = RFR.fit(boston_features, boston_target)RFR_result=RFR.predict(boston_features) print('RFR_result','\n',RFR_result[:10])

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的ML之RFDT：利用RF(RFR)、DT(DTR)两种算法实现对boston(波士顿房价)数据集进行训练并预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。