决策树之鸢尾花卉实例解析
决策树之鸢尾花卉实例解析
1、介绍
以sklearn数据集中的鸢尾花卉Iris数据集为例，解析决策树。
鸢尾花卉Iris数据集中有150个样本（示例），4个特征（属性），1个标签（类别变量）。以此150个样本为训练样本得到相应的决策树。
首先，明确一下数据集中的内容。
通过以下代码可以查看：
解说：
①from sklearn.datasets import load_iris，从sklearn数据集模块导出鸢尾花卉数据集。
②iris = load_iris()，下载鸢尾花卉数据集。
③print iris.data，显示鸢尾花卉数据集中的4个特征，结果显示为
[[5.1 3.5 1.4 0.2]
[ 4.9 3. 1.4 0.2]
[ 4.7 3.2 1.3 0.2]
…
[ 5.9 3. 5.1 1.8]]
是个150行，4列的一个矩阵。
④print iris.target显示鸢尾花卉数据集中的标签，结果显示为
[0 0 0…2]
是个1行，150列的一个矩阵。
⑤print iris.feature_name, 显示特征向量
['sepal length (cm)', 'sepal width (cm)', 'petal length(cm)', 'petal width (cm)']
⑥print iris.target_names显示标签名字，结果显示为
['setosa''versicolor' 'virginica']
总结：
特征1
特征2
特征3
特征4
标签
物理含义
花萼长度
花萼宽度
花瓣长度
花瓣宽度
鸢尾花种类
对应英文
SepalLength
SepalWidth
PetalLength
PetalWidth
Class
存储形式
float
float
float
float
int
鸢尾花种类可取值0、1、2，分别代表山鸢尾setosa、变色鸢尾versicolor、维吉尼亚鸢尾virginica。
2、训练决策树实现鸢尾花分类
DecisionTreeClassifier:sklearn机器学习包中，决策树实现类是DecisionTreeClassifier，实现对数据集的多类分类。输入参数为两个数组x_train和y_train, x_train为训练数据，y_train为训练数据的标签，用于训练分类器。
train_test_split:将原始数据将其按一定比例随机分为x_train和x_test。x_test为测试数据，用于测试分类器。好的做法是多次随机划分x_train和x_test，根据y_test的测试结果和本身固有结果比较来衡量分类器的好坏。这里只以一次运行结果说明，且在4个特征中，以第一个和最后一个特征进行分类图示。
示例：
分类结果图：
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）
实验——基于决策树算法完成鸢尾花卉品种预测任务
决策树可视化：鸢尾花数据集分类(附代码数据集)
实例解析常见花卉拍摄技巧
鸢尾花分类与直方图、散点图的绘制及可视化决策树
私家庭院绿化设计实例解析二，精致小路
决策树算法简介
机器学习算法之决策树实现鸢尾花数据分类
决策树对鸢尾花数据的处理实践
花卉造景实例
网址: 决策树之鸢尾花卉实例解析 https://m.huajiangbk.com/newsview672510.html
| 上一篇: 院子空间大，就养三种“多肉树”， |
下一篇: 69例急性白血病合并真菌感染的临 |
