原文链接:https://cloud.tencent.com/developer/article/1331931
本文经过潇洒坤重新编辑,感谢原文作者的辛勤工作。
1.数据集
Iris(鸢尾花)数据集是多重变量分析的数据集。
数据集包含150行数据,分为3类,每类50行数据。
每行数据包括4个属性:Sepal Length(花萼长度)、Sepal Width(花萼宽度)、Petal Length(花瓣长度)、Petal Width(花瓣宽度)。可通过这4个属性预测鸢尾花属于3个种类的哪一类。
样本数据局部截图:
Iris.png
获取150个样本数据的3种方法:
1.完整的样本数据Iris.csv文件下载链接: https://pan.baidu.com/s/16N0ivGWFrmc73ustPLWPZA 密码: ugun
2.数据集链接:https://gist.github.com/curran/a08a1080b88344b0c8a7
3.在sklearn的skleanrn库中自带了iris数据集,可以导入sklearn库的datasets文件,调用datasets文件中的load_iris方法就可以获得iris数据集。
本文采用的是第3种方法,直接从sklearn库中获取数据。
2.决策树分类代码
第1-3行代码导入库;第5-7行代码获取样本的特征x和分类结果y;
第9行代码划分训练集和测试集,比如关键字参数test_size=0.3表示测试集占总比例30%,如下图所示:
image.png
第11-14行代码是模型训练,第11行实例化DecisionTreeClassifier对象赋值给变量dt_model,第12行将训练集的特征和分类结果交给模型进行训练,使用的是DecisionTreeClassifier对象的fit方法。第13行使用DecisionTreeClassifier的predict方法对测试集进预测。第14行使用DecisionTreeClassifier对象的score方法对测试结果评分,需要填入2个参数:第1个参数是测试集的特征test_x,第2个参数是测试集的分类结果test_y。
最后3行代码打印预测结果,通过观察类别实际值test_y和类别预测值predict_y可以知道每个样本的预测情况。
代码语言:javascript复制from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
from sklearn.cross_validation import train_test_split
iris = datasets.load_iris()
x = iris.data
y = iris.target
train_x, test_x, train_y, test_y =
train_test_split(x, y, test_size=0.3, random_state=3)
dt_model = DecisionTreeClassifier()
dt_model.fit(train_x, train_y)
predict_y = dt_model.predict(test_x)
score = dt_model.score(test_x,test_y)
print(predict_y)
print(test_y)
print('得分:',score)
上面一段代码的运行结果:
0 0 0 0 0 2 1 0 2 1 1 0 1 1 2 0 1 2 2 0 2 2 2 1 0 2 1 1 2 1 0 0 2 1 0 0 2 0 2 1 2 1 0 0 2 得分: 0.933333333333