Обучение и тестирование, чтобы предсказать HealthScores - PullRequest
Новая
       66

Обучение и тестирование, чтобы предсказать HealthScores

0 голосов
/ 15 октября 2019

Печать отчетов 

def display(mess, values):
print()
print("-----", mess, "-----")
print(values)
print("------------------------")

Библиотечные 

import numpy as np
import pandas as pd
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split

Загрузка из базы данных 

health_data = pd.read_csv("C:/Users/??/Downloads/Population(1).csv")

Тестирование и обучение (в процентах) 

health_train, health_test = train_test_split(health_data, test_size=0.1)

Столбцы базы данных, которые проходят обучение и тестирование 

f_train = health_train[['Age', 'Weight  in lbs', 'Height in Inch',
                    'Units of alcohol per day', 'Cigarettes per day', 'Maritial Status Num', 
                    'Additional People in household', 'Salary', 'ActiveNum']].copy()
f_test = health_test[['Age', 'Weight  in lbs', 'Height in Inch', 
                  'Units of alcohol per day', 'Cigarettes per day', 'Maritial Status Num', 
                  'Additional People in household', 'Salary', 'ActiveNum']].copy()

s_train = health_train[['Health Score (high is good)']].copy()
s_test  = health_test[['Health Score (high is good)']].copy()

display("features", f_train)
display("Health Score (high is good)", s_train)

Создание наивного байесовского классификатора. По соглашению, olf означает «Классификатор» 

clf = GaussianNB()

. Обучите Классификатор, чтобы использовать функции обучения и узнать, как они связывают

с обучением y (видом) 

clf.fit(f_train, s_train).predict(f_train)

#correct = 0
#wrong = 0
for index, row in health_test.iterrows():
prediction = clf.predict([row[['Age', 'Weight  in lbs', 'Height in Inch',
                               'Units of alcohol per day', 'Cigarettes per day', 'Maritial Status Num', 
                               'Additional People in household', 'Salary', 'ActiveNum']]])

print("Number of columns ", len(s_test.columns))
print("Number of rows", s_test.shape[0])

 #diff = abs(row['Health Score (high is good)'] - prediction)
  #if (diff < 10):
   #correct = correct + 1
    #else:
     #wrong = wrong + 1

#total = correct + wrong

#print("Correct ", correct, " wrong", wrong)
#print("Total   ", total,   " percentage right", (correct*100)/total,"%")
...