python - 如何使用 sckit-learn 进行多种分类

Question

我正在尝试对一些数据进行分类以提供基于观察聚类的预测。我还是新手，一直在网上浏览示例，并且在尝试使用 python 实现自己时遇到了障碍。我有一个包含 5 列数据的文件，但我只关心 3 列如何交互。E 列是 0=否 1= 是 我想做的是看看 AB 和 E 之间是否存在相关性。如果 A 是 0 而 B 在 0-15 之间，看看它是否（0）的可能性有多大。当然，我的数据集比这大得多。对示例或来源的参考表示赞赏。

我一直使用 Iris 数据集示例作为模板，但在调整时出错。以下是我一直在使用的：

df = pd.read_csv('file.csv',)
df = pd.DataFrame (df,columns= ['A','B','C','D','E'])
df.tail()

X = df.iloc[0:50000, [0, 4]].values

X[0:78209]

y = df.iloc[0:50000, 4].values
y = np.where(y == 0, 0, 1)
y[0:5]
plt.scatter(X[:5000, 0], X[:5000, 1],alpha=0.5, c='b', edgecolors='none', label='No%2s'%(y[0]))
plt.scatter(X[5000:10000, 0], X[5000:10000, 1],alpha=0.5, c='r', edgecolors='none', label='Yes%2s'%(y[50]))

plt.xlabel('No')
plt.ylabel('Yes')
plt.legend(loc='lower right')

plt.show()

标签： pythonmachine-learningjupyter-notebookclassification