【报告】决策树

【报告】决策树_第1张图片

答题结果

[试题1-答题思路]

1.进入根目录,打开jupyter notebook

2.jupyter nutebook下进入/data目录,创建ans38和tree目录

3.另开终端,进入tree目录下载实验数据

4.回到jupyter notebook /data/tree目录下创建python3文件,编写代码

5.读入实验数据,并将其处理为DataFrame格式

6.将数据向量化处理

7.构建决策树模型

8.训练模型

9.预测数据:rainy,cool,high,TRUE

10.将输出结果保存至/data/ans38目录下并命名为ans_ans38.txt

[试题1-代码-截图]

1.进入根目录,打开jupyter notebook 

【报告】决策树_第2张图片【报告】决策树_第3张图片

2.jupyter nutebook下进入/data目录,创建ans38和tree目录 

【报告】决策树_第4张图片

3.另开终端,进入tree目录下载实验数据 

【报告】决策树_第5张图片

4.回到jupyter notebook /data/tree目录下创建python3文件,编写代码 

【报告】决策树_第6张图片

5.读入实验数据,并将其处理为DataFrame格式

【报告】决策树_第7张图片【报告】决策树_第8张图片

6.将数据向量化处理 

【报告】决策树_第9张图片【报告】决策树_第10张图片

7.构建并训练决策树模型 

【报告】决策树_第11张图片

 

9.预测数据:rainy,cool,high,TRUE 向量化后即为[0,0,1,1]

【报告】决策树_第12张图片

10.将输出结果保存至/data/ans38目录下并命名为ans_ans38.txt

【报告】决策树_第13张图片

[试题1-运行结果-截图]

1.预测结果及其路径

【报告】决策树_第14张图片

至此,实验结束!

 

你可能感兴趣的:(【报告】决策树)