上机实验一：数据准备与模型评估

上机实验一：数据准备与模型评估

1、实验目的

熟悉 Python 的基本操作，掌握对数据集的读写实现、对模型性能的评估实现的能力；

加深对训练集、测试集、N 折交叉验证、模型评估标准的理解。

2、实验内容

（1）利用 pandas 库从本地读取 iris 数据集；

（2）从 scikit-learn 库中直接加载 iris 数据集；

（3）实现五折交叉验证进行模型训练；

（4）计算并输出模型的准确度、精度、召回率和 F1 值。

3、操作要点

（1）安装 Python 及 pycharm（一种 Python 开发 IDE），并熟悉 Python 基本操作；

（2）学习 pandas 库里存取文件的相关函数，以及 scikit-learn 库里数据集下载、交叉验

证、模型评估等相关操作；

（3）可能用的库有 pandas，scikit-learn，numpy 等，需要提前下载 pip；

（4）测试模型可使用随机森林 rf_classifier = RandomForestClassifier(n_estimators=100)，

或其它分类器；

（5）撰写实验报告，提交源代码；实验报告在所有上机实验结束后提交。

4、主要仪器设备

微机及 Python 软件。