使用决策树算法
# max_depth 决策树深度,一般设置的值不要超过特征数量 # max_depth 值越大,拟合度越高 tree = DecisionTreeClassifier(max_depth=1) tree.fit(train,target)使用KNN算法
knn = KNeighborsClassifier(n_neighbors=3) knn.fit(train,target)使用逻辑斯蒂回归算法
logistic = LogisticRegression() logistic.fit(train,target)预测数据
results = [tree.predict(X_test),knn.predict(X_test),logistic.predict(X_test)]