### 如何在 Jupyter Notebook 中使用文件中的数据集进行分类模型的训练 #### 加载数据集 为了在 Jupyter Notebook 中加载文件数据集，常用的方法是从本地磁盘读取 CSV 文件。Pandas 库提供了便捷的功能来完成这一操作。 ```python import pandas as pd # 假设CSV文件位于当前工作目录下名为"data.csv" data_path = "data.csv" # 使用pandas读取csv文件 df = pd.read_csv(data_path) # 显示前几行以确认数据已成功加载 df.head() ``` #### 数据预处理 一旦数据被加载进入 DataFrame 对象 `df` 后，则需对其进行必要的清理和转换以便后续建模过程能够顺利执行。这可能涉及到缺失值填充、类别编码等工作[^1]。 ```python from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler, LabelEncoder # 处理标签列（如果存在） label_encoder = LabelEncoder() if 'target' in df.columns: y = label_encoder.fit_transform(df['target']) else: raise ValueError('目标变量未找到') X = df.drop(['target'], axis=1).values # 删除目标列后的剩余特征矩阵 # 划分训练集与测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 特征缩放标准化 scaler = StandardScaler().fit(X_train) X_train_scaled = scaler.transform(X_train) X_test_scaled = scaler.transform(X_test) ``` #### 构建并训练分类器 接下来就是选择合适的算法创建分类器实例，并调用其 fit 方法传入训练样本及其对应的标签来进行参数估计。这里选用支持向量机作为例子[^3]。 ```python from sklearn.svm import SVC svm_classifier = SVC(kernel='linear', C=1.0, gamma='scale') svm_classifier.fit(X_train_scaled, y_train) ``` #### 模型评估 最后一步是对所建立好的模型性能做出评价，通常会计算一些指标如准确率、召回率等；也可以绘制混淆矩阵直观展示预测效果的好坏程度。 ```python from sklearn.metrics import classification_report, confusion_matrix predictions = svm_classifier.predict(X_test_scaled) print(confusion_matrix(y_test, predictions)) print(classification_report(y_test, predictions)) ```