用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记）
本文为个人学习笔记，仅供学习参考，欢迎讨论，要是有哪里写的不对或有疑问的欢迎讨论。
题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。
文章目录
- 1.导入数据集
-
- ①read_csv(): 读取数据并以某字符分隔。
- ②merge(): 合并
- ③drop(): 删除行或列
- ④tolist():将数组或矩阵转换为列表
- ⑤train_test_split（）：从样本中随机的按比例选取train data和test data
- 第一部分导入数据集整体代码：
- 2.用分类算法对数据集进行训练及测试
-
- ①朴素贝叶斯算法：
- ②逻辑回归算法：
- ③决策树：
- ④随机森林：
- ⑤AdaBoost算法：
- ⑥KNN算法（用iris训练集作为训练样本时可测试看看）：
- 3.对代码进行迭代
- 4.完整代码展示
- 5.结果展示
- 6.参考链接
1.导入数据集
用到的方法有：read_csv()、merge()、drop()、tolist()、train_test_split（）
以下方法的详细参数和用法可使用**help(方法名)**的方法查看
①read_csv(): 读取数据并以某字符分隔。
常用参数：
filepath_or_buffer ：放入要打开的文件地址或文件名（文件与py文件在同一文件夹下可直接用文件名调用）。可以是URL，常用URL类型有：http, ftp, s3, and file.
sep：以某个符号为分隔符。默认以’,’（逗号）为分隔。
compression（本例中没用到）：打开文件后的压缩方式。默认为‘infer’。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件，否则不解压。置为None则不解压。（可选参数有：‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None）
本题应用：
# 读取文件并以'\t'分割
# 此处"train_agg.csv"和"train_label.csv"均为文件名，我将该文件与我的py文件放入同一文件夹下了已经
data = pd.read_csv("train_agg.csv", sep="\t")
label = pd.read_csv("train_label.csv",sep="\t")
②merge(): 合并
Pandas 提供了多种将 Series、DataFrame 对象组合在一起的功能，用索引与关联代数功能的多种设置逻辑可执行连接（join）与合并（merge）操作。
常用参数：
left : DataFrame
right : DataFrame or named Series
how : 要执行的合并类型。（可选参数有:‘left’, ‘right’, ‘outer’, ‘inner’）默认为‘inner’
on ：要加入的列或索引级别名称。这些必须在两个DataFrame中都可以找到。如果on为None且不合并索引，则默认为两个DataFrame中列的交集。
本题应用：
# 'USRID' 为文件中一个列的名称
data_label = data.merge(label, how="left", on="USRID")
③drop(): 删除行或列
常用形式(eg)：
df.drop([“列名”]，axis=1)
df.drop(columns=[“列名”])
常用参数：
axis : 是从索引（0或“索引”）还是从列（1或“列”）删除标签。(axis = 0 为行，axis = 1为列)
inplace : 默认为False。如果为True，则执行就地操作并返回None。
本题应用：
# 删除 'USRID' 这列
data_label.drop(['USRID'],axis = 1, inplace = True)
④tolist():将数组或矩阵转换为列表
本题应用：
# 将data_label的内容转换为列表方便遍历
columns = data_label.columns.tolist()
⑤train_test_split（）：从样本中随机的按比例选取train data和test data
所需头文件：
from sklearn.model_selection import train_test_split
常用参数:
train_data：所要划分的样本特征集
train_target：所要划分的样本结果
test_size：样本占比，如果是整数的话就是样本的数量
random_state：是随机数的种子。
stratify: 如果不是None，则将数据用作类标签以分层方式拆分。
本题应用：
return train_test_split(data_array, label_array, test_size=0.25, random_state=10,
stratify=label_array)
第一部分导入数据集整体代码：
def load_data():
# 导入数据集
data = pd.read_csv("train_agg.csv", sep="\t")
label = pd.read_csv("train_label.csv",sep="\t")
data_label = data.merge(label, how="left", on="USRID")
# 得到训练集和测试集
data_label.drop(['USRID'],axis = 1, inplace = True)
columns = data_label.columns.tolist()
# 遍历列表读取数据
feature_columns = [i for i in columns if