Python:用sklearn中的DecisionTreeClassifier，根据iris数据生成决策树并实现西瓜书决策树

需求包分析&＃xff1a;

关键词&＃xff1a;sklearn、DecisionTreeClassifier、iris数据、决策树

对应包&＃xff1a;sklearn.tree.DecisionTreeClassifier、sklearn.datasets.load_iris、matplotlib.pyplot

分析完毕&＃xff0c;实现代码如下

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn import treeiris &＃61; load_iris()
iris_tree &＃61; tree.DecisionTreeClassifier(criterion&＃61;&＃39;entropy&＃39;)
iris_tree &＃61; iris_tree.fit(iris.data,iris.target)
plt.figure(1)
tree.plot_tree(iris_tree)
plt.show()


运行结果&＃xff1a;

思考

我们是否可以用上面的方法对其他数据集进行分析&＃xff1f;

我们先将iris的文件导出&＃xff0c;看看里面的格式

from sklearn.datasets import load_iriswith open("irisData.txt","w") as f:f.write(str(load_iris()))


得到结果&＃xff1a;文件中为‘data’和’target’的两个数组

{&＃39;data&＃39;: array([[5.1, 3.5, 1.4, 0.2],[4.9, 3. , 1.4, 0.2],[4.7, 3.2, 1.3, 0.2],[4.6, 3.1, 1.5, 0.2],[5. , 3.6, 1.4, 0.2],[5.4, 3.9, 1.7, 0.4],[4.6, 3.4, 1.4, 0.3]), &＃39;target&＃39;: array([0, 0, 0, 0, 0, 0, 0])
已删除多余部分&＃xff0c;只保留说明性的前7个鸢尾花&＃xff08;iris&＃xff09;数据


所以要将西瓜树中所给的数据同样转变为‘data’和‘target’两个数组

分析完毕&＃xff0c;代码如下&＃xff1a;

将西瓜数据集转化为相应形式&＃xff1a;

with open(&＃39;walterMelonData.txt&＃39;,&＃39;r&＃39;) as f:data &＃61; []for line in f.readlines():line &＃61; line.strip(&＃39;\n&＃39;) #用换行符作为行的识别符data.append(line.split(&＃39; &＃39;)) #行内数据用空格作为数据分割符data &＃61; np.array(data,dtype&＃61;float)watermelon_data &＃61; np.array(data[:,:8])watermelon_target &＃61; np.array(data[:,8])
print(&＃39;数据集&＃xff1a;&＃39;,watermelon_data,&＃39;\n标签&＃xff1a;&＃39;,watermelon_target)


输出结果为&＃xff1a;

得到结果以后&＃xff0c;我们就可以直接带入到之前的那个代码中。即&＃xff1a;

import matplotlib.pyplot as plt
from sklearn import tree
import numpy as npwith open(&＃39;walterMelonData.txt&＃39;,&＃39;r&＃39;) as f:data &＃61; []for line in f.readlines():line &＃61; line.strip(&＃39;\n&＃39;)data.append(line.split(&＃39; &＃39;))data &＃61; np.array(data,dtype&＃61;float)watermelon_data &＃61; np.array(data[:,:8])watermelon_target &＃61; np.array(data[:,8])watermelon_tree &＃61; tree.DecisionTreeClassifier(criterion&＃61;&＃39;entropy&＃39;)
watermelon_tree &＃61; watermelon_tree.fit(watermelon_data,watermelon_target)
plt.figure(1)
tree.plot_tree(watermelon_tree)
plt.show()


资源&＃xff1a;西瓜数据集合

输出结果&＃xff1a;

遇到的问题