AdaBoosting을 사용하여 보스턴 주택 가격 예측

AdaBoosting 예

AdaBoosting을 사용하여 보스턴 주택 가격 예측

의사 결정 트리 예 : 보스턴 주택 가격 예측

13 가지 특성을 기반으로 주택 가격 예측

import sklearn.datasets as sd
import sklearn.utils as su
import sklearn.tree as st
import sklearn.metrics as sm
import sklearn.ensemble as se

데이터 세트 읽기

boston = sd.load_boston()
# for sample in boston.data:
#     print(sample)

샘플 무작위 화 (스크램블)

random_seed = 7  # 随机种子，用来产生随机数
x, y = su.shuffle(boston.data,
                  boston.target,
                  random_state=random_seed)

하위 훈련 세트, 테스트 세트

train_size = int(len(x) * 0.8)  # 计算训练集大小(80%)

train_x = x[:train_size]  # 切出前面80%
test_x = x[train_size:]  # 切出后面20%

train_y = y[:train_size]  # 切出前面80%
test_y = y[train_size:]  # 切出后面20%

model = se.AdaBoostRegressor(
    st.DecisionTreeRegressor(max_depth=4),  # 原始
    n_estimators=400)  # 数棵树
model.fit(train_x, train_y)  # 训练
pred_test_y = model.predict(test_x)  # 预测

R2 값 계산 및 인쇄

print(sm.r2_score(test_y, pred_test_y))

랜덤 포레스트

model2 = se.RandomForestRegressor(
    max_depth=10,  # 最大深度
    n_estimators=1000,  # 树数量
    min_samples_split=2)  # 最小样本数量
model2.fit(train_x, train_y)
pred_test_y = model2.predict(test_x)  # 预测

R2 값 계산 및 인쇄

print (sm.r2_score (test_y, pred_test_y))