决策树分类鸢尾花数据集

• 花匠小妙招
• 2024-11-03 05:39

import numpy as np

import pandas as pd

import matplotlib as mpl

import matplotlib.pyplot as plt

from sklearn.tree import DecisionTreeClassifier

iris_feature = u'花萼长度', u'花萼宽度', u'花瓣长度', u'花瓣宽度', u'类别'

path = '8.iris.data' # 数据文件路径

data = pd.read_csv(path, header=None)

data.columns = iris_feature#将data的每一列的标签设置为iris_feature,如果不设置就默认为0到n的数字

data['类别'] = pd.Categorical(data['类别']).codes#对每一个类别做统计进行打标签赋予数字

x_train = data[['花萼长度', '花瓣长度']]

y_train = data['类别']

model = DecisionTreeClassifier(criterion='entropy', min_samples_leaf=3)

model.fit(x_train, y_train)

N, M = 500, 500 # 横纵各采样多少个值

x1_min, x2_min = x_train.min(axis=0)

x1_max, x2_max = x_train.max(axis=0)

t1 = np.linspace(x1_min, x1_max, N)

t2 = np.linspace(x2_min, x2_max, M)

x1, x2 = np.meshgrid(t1, t2) # 生成网格采样点

x_show = np.stack((x1.flat, x2.flat), axis=1) # 测试点

y_predict = model.predict(x_show)

mpl.rcParams['font.sans-serif'] = ['SimHei']

mpl.rcParams['axes.unicode_minus'] = False

cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])

cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])

plt.xlim(x1_min, x1_max)

plt.ylim(x2_min, x2_max)

plt.pcolormesh(x1, x2, y_predict.reshape(x1.shape), cmap=cm_light)

plt.scatter(x_train['花萼长度'], x_train['花瓣长度'], c=y_train, cmap=cm_dark, marker='o', edgecolors='k')

plt.xlabel('花萼长度')

plt.ylabel('花瓣长度')

plt.title('鸢尾花分类')

plt.grid(True, ls=':')

plt.savefig('1.png')

plt.show()

相关知识

python利用c4.5决策树对鸢尾花卉数据集进行分类（iris）
基于决策树构建鸢尾花数据的分类模型并绘制决策树模型
决策树分类鸢尾花数据集
实验一：鸢尾花数据集分类
【机器学习】经典数据集鸢尾花的分类识别
python实践gcForest模型对鸢尾花数据集iris进行分类
逻辑回归分类、决策树分类、朴素贝叶斯分类及手写数字识别
【2016年第1期】基于大数据的小麦蚜虫发生程度决策树预测分类模型
【机器学习】鸢尾花分类：机器学习领域经典入门项目实战
Tensorflow鸢尾花分类（数据加载与特征处理）

网址: 决策树分类鸢尾花数据集 https://m.huajiangbk.com/newsview338885.html