机器学习之决策树在sklearn中的实现.pdfVIP

机器学习之决策树在sklearn中的实现

小伙伴们大家好~o(￣▽￣)ブ，首先声明一下，我的开发环境是Jupyterlab，所用的库和版本大家参考:

Python3.7。1（你的版本至少要3。4以上

Scikit-learn0.20。0(你的版本至少要0.20

Graphviz0。8。4(没有画不出决策树哦，安装代码condainstallpython-graphviz

Numpy1。15.3Pandas0.23。4Matplotlib3.0.1SciPy1.1.0

用SKlearn建立一棵决策树

这里采用的数据集是SKlearn中的红酒数据集。

1导入需要的算法库和模块

〈prespellcheck=”falseclass=md-fencesmd-end—blockty-contain—cmmodeLoaded

lang=Python”contenteditable=true”cid=”n11mdtype=fences”〉fromsklearnimport

tree＃导入tree模块

fromsklearn.datasetsimportload_wine#导入红酒数据集

fromsklearn。model_selectionimporttrain_test_split#导入训练集和测试集切分包〈/pre〉

2探索数据

〈prespellcheck=falseclass=”md—fencesmd-end-blockty-contain-cmmodeLoaded

lang=”pythoncontenteditable=true”cid=”n13”mdtype=”fences〉wine=

load_wine(）

wine。data

wine。data.shape

机器学习之决策树在sklearn中的实现

wine.target

wine。target.shape〈/pre〉

运行的结果是这样子的:

data就是该数据集的特征矩阵，从运行结果可以看出,该红酒数据集一共有178条记录,13个特征。

特征矩阵中有178条记录，相对应的标签Y就有178个数据。

如果wine是一张表,应该长这样：

prespellcheck=false”class=”md-fencesmd—end-blockty-contain-cmmodeLoaded

lang=”Python”contenteditable=”true”cid=”n20mdtype=”fences〉importpandasas

pd

机器学习之决策树在sklearn中的实现

pd.concat（［pd.Datafrxxxxame(wine。data)pd。Datafrxxxxame（wine.target）］axis=1）

〈/pre

机器学习之决策树在sklearn中的实现

机器学习之决策树在sklearn中的实现

这是数据集特征列名和标签分类

〈prespellcheck=”false”class=md—fencesmd—end—blockty—contain-cmmodeLoaded

lang=”python”contenteditable=true”cid=”n23mdtype=fences”〉wine.feature_names

wine.target_names〈/pre

3分训练集和测试集

这里选取30%作为测试集。切分好之后，训练集有124条数据，测试集有54条数据。

prespellcheck=”false”class=”md-fencesmd—end—blockty-contain-cmmodeLoaded

lang=”Python”contenteditable=truecid=”n28mdtype=”fences”XtrainXtestYtrain

Ytest=train_tes