如何对数据集进行分类？

Question

如何使用下面的训练数据将新数据集分类到A类和B类？

            1.0  0.9  0.8  0.7  0.6  0.5  0.4  0.3  0.2  0.1  class
Dataset 1   42   13   22   324  270  96   107  93   80   228    A
Dataset 2   45   23   14   596  445  135  153  124  132  331    A
Dataset 3   42   22   16   479  407  130  150  121  128  342    A

Dataset 4   37   63   10   481  397  155  143  159  172  394    B
Dataset 5   46   18   10   387  356  127  118  129  136  359    B
Dataset 6   23   34   9    550  436  147  166  164  208  467    B

如果存在可以划分数据集的等式，那将是非常理想的。

例如，如果1.0 +＃的0.9高于55，那么它就是A类。（这可能是错的，但是这样的话）

Answer 1

如果您熟悉分类任务，那么几乎每个分类算法都可以完成任务，如SVM，NN，C4.5，ID3，随机森林和..

但是对于公式来看看Logistic回归：https://en.wikipedia.org/wiki/Logistic_regression。它将数据集分类为2（例如正，负）类

对于实现，请看一下python scikit线性模型，逻辑回归： http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html和此处：http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression

X = [[...]] #your datasets list of lists(matrix)
y = [...] #your labels list
from sklearn.liner_mode import LogisticRegression
clf = LogisticRegresion()
clf.fit(X,y)

这个例子也很好：http://scikit-learn.org/stable/auto_examples/linear_model/plot_iris_logistic.html

Answer 2

你也可以使用朴素贝叶来预测数据集的类别，通过使用朴素贝叶斯你得到每个类的概率，所以为了举例说明，你会得到A类的数据集1概率为70％，B类为30％

根据您的示例，您需要使用class列作为标签列和0.1＆amp; 0.9为特色列

使用您的数据轻松运行A == 1＆amp;此次运行B == 2