题目：
题目大意是这样的：生成一个数据集合，并且使用三种机器学习算法进行训练，并且根据训练结果使用三种方法评估三种算法的性能
步骤1：生成数据集合
使用make_classification函数生成一个数据集
dataset = datasets.make_classification(n_samples=1000, n_features=10)
步骤2.使用10-fold cross validdation对数据集合进行划分
kf = cross_validation.KFold(1000, n_folds=10, shuffle=True)
for train_index, test_index in kf:
X_train, y_train = dataset[0][train_index], dataset[1][train_index]
X_test, y_test = dataset[0][test_index], dataset[1][test_index]
1.高斯NB
\\
GaussianNB_clf = GaussianNB()
GaussianNB_clf.fit(X_train, y_train)
GaussianNB_pred = GaussianNB_clf.predict(X_test)
2.SVM
SVC_clf = SVC(C=1e-01, kernel='rbf', gamma=0.1)
SVC_clf.fit(X_train, y_train)
SVC_pred = SVC_clf.predict(X_test)
3.随机森林
Random_Forest_clf = RandomForestClassifier(n_estimators=6)
Random_Forest_clf.fit(X_train, y_train)
Random_Forest_pred = Random_Forest_clf.predict(X_test)
步骤4:对性能进行评价
分别使用accuracy_score,fi_score,roc_auc_score得到准确度
可以看到综合来看随机树的效果是最好的