实验名称: 实验5 应用sklearn分析竞标数据 实验时间: 2023-04-26
有问题可以加我微信交流学习,bmt1014
(gcc的同学不要抄袭呀!)
一、实验目的
1、掌握skleam转换器的用法。
2、掌握训练集、测试集划分的方法。
3、掌握使用sklearm进行PCA降维的方法。
4、掌握 sklearn 估计器的用法。
5、掌握聚类模型的构建与评价方法。
6、掌握分类模型的构建与评价方法。
7、掌握回归模型的构建与评价方法。文章来源:https://www.toymoban.com/news/detail-492781.html
二、实验内容
任务1:使用sklearn处理竞标行为数据集。
**要求任务的源代码文件名为:实验5-1,并在源代码的起始位置输出自己真实的学号、姓名和班级信息。**
1、需求说明
竞标行为数据集(shill bidding.csv)是网络交易平台eBay为了分析竞标者的竞标行为而收集整理的部分拍卖数据,包括记录ID、竞标者倾向、竞标比率等11个输入特征和I个类别标签,共6321条记录,其特征/标签说明如表6-18所示。通过读取竞标行为数据集,进行训练集和测试集的划分、为后续的模型构建提供训练数据和测试数据;并对数据集进行降维,以适当减少数据的特征维度。
2、实现思路与步骤
(1)使用pandas库读取竞标行为数据集。
(2)对竞标行为数据集的数据和标签进行划分。
(3)将竞标行为数据集划分为训练集和测试集,测试集数据量占总样本数据量的20%。
(4)对竞标行为数据集进行PCA降维,设定n-components=0.999、即降维后数据能保留的文章来源地址https://www.toymoban.com/news/detail-492781.html
到了这里,关于python数据分析与应用:使用scikit-learn构建模型分析 第六章实训(1,2)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!