数据挖掘技术与应用：乳腺癌数据决策树分类实训.pptxVIP

数据挖掘技术与应用 乳腺癌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 癌症数据共包含了威斯康辛州记录的569个病人的乳腺癌恶性/良性（1/0）类别型数据，以及与之对应的30个维度的生理指标数据。 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 乳腺癌数据决策树分类实现代码 导入库包 from sklearn.model_selection import train_test_split, cross_val_score from sklearn.tree import DecisionTreeClassifier from sklearn import datasets import numpy as np 数据说明 癌症数据共包含了威斯康辛州记录的569个病人的乳腺癌恶性/良性（1/0）类别型数据，以及与之对应的30个维度的生理指标数