ML之RF&DT：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

ML之RF&DT：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

目录

输出结果

实现代码

输出结果

1、两种算法的预测结果

2、回归树的可视化

实现代码

  

   

    

     

    
    

     

      boston_house = load_boston()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      boston_feature_name = boston_house.feature_names
     
    
   

    

     

    
    

     

      boston_features = boston_house.data
     
    
   

    

     

    
    

     

      boston_target = boston_house.target
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('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])
     
    
   

    

     

    
    

     
 
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/86551134