W3School TIY Editor

# 这三行代码使编译器能够绘图：

import sys

import matplotlib

matplotlib.use('Agg')

​

import matplotlib.pyplot as plt

from sklearn import datasets

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

from sklearn.ensemble import BaggingClassifier

​

# 加载葡萄酒数据集：

data = datasets.load_wine()

​

# 准备特征数据和标签：

X = data.data

y = data.target

​

# 划分训练集和测试集（25% 测试数据）：

X_train, X_test, y_train, y_test = train_test_split(

    X, y, 

    test_size=0.25, 

    random_state=22

)

​

# 定义要评估的基学习器数量范围：

estimator_range = [2,4,6,8,10,12,14,16]

​

models = []

scores = []

​

for n_estimators in estimator_range:

    # 创建 Bagging 分类器：

    clf = BaggingClassifier(

        n_estimators=n_estimators, 

        random_state=22

    )

    # 训练模型：

    clf.fit(X_train, y_train)

    # 记录模型和其在测试集上的准确率：

    models.append(clf)

    scores.append(accuracy_score(

        y_true=y_test, 

        y_pred=clf.predict(X_test)

    ))

# 绘制准确率随基学习器数量变化的曲线：

plt.figure(figsize=(9,6))

plt.plot(estimator_range, scores)

​

# 设置坐标轴标签和字体大小：

plt.xlabel("基学习器数量(n_estimators)", fontsize=18)

plt.ylabel("准确率(score)", fontsize=18)

plt.tick_params(labelsize=16)

​

# 显示图形：

plt.show()

​

# 这两行代码使编译器能够输出图形：

plt.savefig(sys.stdout.buffer)

sys.stdout.flush()