如何建立随机森林、自适应增强（AdaBoost）与梯度提升（Gradient Boost）算法模型

关注

VIP免费原创最新推荐文章于 2026-08-21 15:20:38 发布 1.7k 阅读 AI 写同款· GEO 优化 ›

机器学习篇-集成学习-随机森林 Adaboost GBDT XGBoost 多个弱学习器组合成一个更强大的学习器，解决单一预测，进步一得到更好性能。# 导包from sklearn.ensemble import RandomForestClassifier # 随即森丽分类# 定义随机森立函数# 数据读取# 数据基本处理# 确定特征和标签# print(x)# print(y)# 空值处理(填充)print(x)# 处理字符类型数据# 数据划分x, y,stratify=y# 模型训练# 决策树模型。阅读详情

在这个练习中，我们使用电信企业的客户流失数据集，Orange_Telecom_Churn_Data.csv。我们先读入数据集，做一些数据预处理，然后使用各种模型根据用户的特点来预测其是否会流失。

第一步：读入和处理数据

读入数据集，并查看其基本信息。
去除其中对预测无用的列，如“state"，“area_code"和"phone_number”
把’intl_plan’和’voice_mail_plan’两列的值转换成布尔类型：‘yes’替换成’True’，'no’替换成’False’

# 读入数据集，并查看其基本信息
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

data = pd.read_csv('Orange_Telecom_Churn_Data.csv')
data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5000 entries, 0 to 4999
Data columns (total 21 columns):
 #   Column                         Non-Null Count  Dtype  
---  ------                         --------------  -----  
 0   state                          5000 non-null   object 
 1   account_length                 5000 non-null   int64  
 2   area_code                      5000 non-null   int64  
 3   phone_number                   5000 non-null   object 
 4   intl_plan                      5000 non-null   object 
 5   voice_mail_plan                5000 non-null   object 
 6   number_vmail_messages          5000 non-null   int64  
 7   total_day_minutes              5000 non-null   float64
 8   total_day_calls                5000 non-null   int64  
 9   total_day_charge               5000 non-null   float64
 10  total_eve_minutes              5000 non-null   float64
 11  total_eve_calls                5000 non-null   int64  
 12  total_eve_charge               5000 non-null   float64
 13  total_night_minutes            5000 non-null   float64
 14  total_night_calls              5000 non-null   int64  
 15  total_night_charge             5000 non-null   float64
 16  total_intl_minutes             5000 non-null   float64
 17  total_intl_calls               5000 non-null   int64  
 18  total_intl_charge              5000 non-null   float64
 19  number_customer_service_calls  5000 non-null   int64  
 20  churned                        5000 non-null   bool   
dtypes: bool(1), float64(8), int64(8), object(4)
memory usage: 786.3+ KB

# 去除“state"，"area_code"和"phone_number"三列
data = data.drop(["state", "area_code", "phone_number"], axis = 1)

# 把'intl_plan'和'voice_mail_plan'两列的值转换成布尔类型
data["intl_plan"] = data.intl_plan.map(lambda x: True if x=='yes' else False)

data["voice_mail_plan"] = data.voice_mail_plan.map(lambda x: True if x=='yes' else False)

第二步：生成X和y

将"churned"列之外的所有列作为X, "churned"列作为y
检查y列中所有类别的个数
划分成训练集和测试集
分别检查训练集和测试集中所有类别的个数

# 生成X和y
X = data[data.columns[:-1]]

y = data.churned

# 检查y中所有类别的个数
print(y.value_counts())

False    4293
True      707
Name: churned, dtype: int64

# 划分成训练集和测试集
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 101)

# 分别检查训练集和测试集中所有类别的个数
print

最低0.47元/天解锁文章

标签

#算法 #随机森林 #python #回归 #机器学习

随机森林算法及贝叶斯优化调参Python实践使用随机森林算法实验验证贝叶斯优化调参优于人工调参，代码使用Python实践。阅读详情

如何建立随机森林、自适应增强（AdaBoost）与梯度提升（Gradient Boost）算法模型

第一步：读入和处理数据

第二步：生成X和y

相关推荐