Python机器学习——用sklearn实现决策树

Python机器学习——决策树

利用sklearn实现参考代码

• 解决问题：经典分类问题（鸢尾花分类）

 from sklearn import datasets #导入数据集包
 iris=datasets.load_iris()

• 选取出数据集（features）和标记（target）

import pandas as pd 
features=pd.DataFrame(iris.data,columns=iris.feature_names)
target= pd.DataFrame(iris.target,columns=['type'])

• 导入划分数据集的包并划分训练数据集和测试数据集和各自的标记

from sklearn.model_selection import train_test_split
train_feature,test_feature,train_targets,test_targets=train_test_split(features,target,test_size=0.33,random_state=42)

• 导入决策树分类模型

from sklearn.tree import DecisionTreeClassifier ##随机数分类模型

model=DecisionTreeClassifier() #模型
model.fit(train_feature,train_targets)#拟合模型
model.predict(test_feature) #对测试数据进行预测

• 评价训练模型

from sklearn.metrics import accuracy_score
accuracy_score(test_targets.values.flatten(),model.predict(test_feature))##真实值，预测值

• 画出得到的决策树

import graphviz
from sklearn.tree import export_graphviz
image=export_graphviz(model,out_file=None,feature_names=iris.feature_names,class_names=iris.target_names)
graphviz.Source(image)