Python-凯斯西储大学(CWRU)轴承数据解读与分类处理_cwru bearing data
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取CSV文件中的数据
data = pd.read_csv('data/cwru_bearing_data.csv')
# 分离出特征和目标变量
X = data.drop(['BF_RT','class'], axis=1)
y = data['class']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 初始化随机森林分类器
rf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 进行预测
y_pred = rf.predict(X_test)
# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Model Accuracy: {accuracy}")
这段代码首先导入了必要的Python库,并读取了CSV格式的数据。然后,它将数据分割成特征和目标变量,并将数据划分为训练集和测试集。接着,它使用了一个随机森林分类器来训练模型,并对测试集进行预测。最后,它使用accuracy_score
评估了模型性能并打印出准确率。
评论已关闭