文章预览
转自：网络 今天和大家一起学习使用 lazypredict 库，我们可以用一行代码在我们的数据集上实现许多 ML 模型，这样我们就可以简要了解哪些模型适合我们的数据集。 步骤 1 使用以下方法安装 lazypredict 库： pip install lazypredict 第 2 步 导入 pandas 来加载我们的数据集。 import pandas as pd 第 3 步 加载数据集。 df = pd.read_csv( 'Mal_Customers.csv' ) 第 4 步 打印数据集的前几行 这里 Y 变量是支出分数列，而其余列是 X 变量。 现在，在确定了 X 和 Y 变量之后，我们将它们分成训练和测试数据集。 # 导入 train_test_split，用于分割数据集 from sklearn.model_selection import train_test_split # 定义 X 和 y 变量 X = df.loc[:, df.columns != 'Spending Score (1-100)' ] y = df[ 'Spending Score (1-100)' ] # 对数据进行分区。 # 分割数据 X_train, X_test, y_train, y_test = train_test_split(X
………………………………
