# encoding: utf-8 from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier,export_graphviz import graphviz 12345
#获取数据 iris = datasets.load_iris() # 加载 iris 数据集 iris_feature = iris.data # 特征数据 iris_target = iris.target # 分类数据 iris_target 12345
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]) 1234567
#划分数据 feature_train, feature_test, target_train, target_test = train_test_split(iris_feature, iris_target, test_size=0.37, random_state=42) target_train 123
array([0, 0, 0, 1, 2, 0, 0, 0, 1, 0, 1, 2, 0, 1, 2, 0, 2, 2, 1, 1, 2, 1, 0, 1, 2, 0, 0, 1, 1, 0, 2, 0, 0, 1, 1, 2, 1, 2, 2, 1, 0, 0, 2, 2, 0, 0, 0, 1, 2, 0, 2, 2, 0, 1, 1, 2, 1, 2, 0, 2, 1, 2, 1, 1, 1, 0, 1, 1, 0, 1, 2, 2, 0, 1, 2, 2, 0, 2, 0, 1, 2, 2, 1, 2, 1, 1, 2, 2, 0, 1, 2, 0, 1, 2]) 12345
#构建模型 dt_model = DecisionTreeClassifier() # 所以参数均置为默认状态 dt_model.fit(feature_train,target_train) # 使用训练集训练模型 predict_results = dt_model.predict(feature_test) # 使用模型对测试集进行预测 1234
#模型评估 print('predict_results:', predict_results) print('target_test:', target_test) 123
predict_results: [1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1 0 0 0 2 1 1 0 0 1 1 2 1 2 1 2 1 0 2 1] target_test: [1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1 0 0 0 2 1 1 0 0 1 2 2 1 2 1 2 1 0 2 1] 1234
scores = dt_model.score(feature_test, target_test) scores 12
0.9821428571428571 1
#画图 image = export_graphviz( dt_model, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, node_ids=True, rounded=True ) graphviz.Source(image) 12345678910
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0dPF3ICO-1591021436418)(output_6_0.svg)]
相关知识
决策树算法简介
分类算法3:决策树及R语言实现
机器学习算法之决策树实现鸢尾花数据分类
实验——基于决策树算法完成鸢尾花卉品种预测任务
python利用c4.5决策树对鸢尾花卉数据集进行分类(iris)
【机器学习小实验5】基于决策树和随机森林的鸢尾花种类预测
【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
基于机器学习的鸢尾花数据集的三分类算法的实现 C++
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
基于决策树的水稻病虫害发生程度预测模型——以芜湖市为例
网址: 决策树算法(鸢花草) https://m.huajiangbk.com/newsview733034.html
上一篇: 光照处理使短日照长日照植物花期改 |
下一篇: 富贵竹叶子发黄怎么办?做到这五点 |