数据挖掘技术与应用：助教数据决策树分类实训.pptxVIP

数据挖掘技术与应用 助教数据决策树分类实训 实训目标 理解决策树算法的核心步骤。 利用Python实现算法应用，提升编程技能。 通过数据集的部分样本训练构造决策树模型。 调用构建好的决策树模型对测试集样本进行预测，并求出测试精度。 实训环境 使用3.6版本的Python。 使用jupyter notebook或PyCharm2018社区版作为代码编辑器。 numpy、pandas、sklearn 实训数据 数据包括威斯康星大学麦迪逊分校统计系在三个常规学期和两个夏季学期对151个教学助理（TA）的教学表现进行的评估。将分数分为3个大小大致相等的类别（“低”，“中”和“高”）以形成类别变量。 实训内容 导入必要的库。 导入数据集。 获取特征值。 获取标签。 随机划分训练集和测试集 创建模型 对测试集进行预测 并将结果与label进行对比，计算准确度 助教数据决策树分类实现代码 导入数据包 from sklearn.model_selection import train_test_split, cross_val_score from sklearn.tree import DecisionTreeClassifier import numpy as np import pandas as pd 数据说明 yeast（酵母菌）数据集是一个多标签数据集，里面包括14种标签，103个特征