決策樹之鳶尾花卉例項解析

決策樹之鳶尾花卉例項解析 1

、介紹

以sklearn

資料集中的鳶尾花卉

iris

資料集為例，解析決策樹。

鳶尾花卉

iris

資料集中有

150個樣本（示例），

4個特徵（屬性），

1個標籤（類別變數）。以此

150個樣本為訓練樣本得到相應的決策樹。

首先，明確一下資料集中的內容。

通過以下**可以檢視：

解說： ①

from sklearn.datasets import load_iris

，從sklearn

資料集模組匯出鳶尾花卉資料集。 ②

iris = load_iris() ③

print iris.data

，顯示鳶尾花卉資料集中的

4個特徵，結果顯示為

[[5.1  3.5 1.4  0.2]

[ 4.9 3.   1.4  0.2]

[ 4.7 3.2  1.3  0.2] …

[ 5.9 3.   5.1  1.8]] 是個

150行，

4列的乙個矩陣。 ④

print iris.target

顯示鳶尾花卉資料集中的標籤，結果顯示為

[0 0 0…2] 是個

1行，150列的乙個矩陣。 ⑤

print iris.feature_name,

顯示特徵向量

['sepal length (cm)', 'sepal width (cm)', 'petal length(cm)', 'petal width (cm)']

⑥print iris.target_names

顯示標籤名字，結果顯示為

['setosa''versicolor' 'virginica']

總結：

特徵1 特徵

2 特徵3

特徵4

標籤 物理含義

花萼長度

花萼寬度

花瓣長度

花瓣寬度

鳶尾花種類

對應英文

sepallength

sepalwidth

petallength

petalwidth

class

儲存形式

float

float

float

float

int

鳶尾花種類可取值0、

1、2，分別代表山鳶尾

setosa

、變色鳶尾

versicolor

、維吉尼亞鳶尾

virginica。

2、訓練決策樹實現鳶尾花分類

decisiontreeclassifier:sklearn

機器學習包中，決策樹實現類是

decisiontreeclassifier

，實現對資料集的多類分類。輸入引數為兩個陣列

x_train

和y_train, x_train

為訓練資料，

y_train

為訓練資料的標籤，用於訓練分類器。

train_test_split:

將原始資料將其按一定比例隨機分為

x_train

和x_test

。x_test

為測試資料，用於測試分類器。好的做法是多次隨機劃分

x_train

和x_test

，根據y_test

的測試結果和本身固有結果比較來衡量分類器的好壞。這裡只以一次執行結果說明，且在

4個特徵中，以第乙個和最後乙個特徵進行分類圖示。

示例：

分類結果圖：

決策樹完成鳶尾花分類

實驗樓專案 決策樹是一種特殊的樹形結構，一般由節點和有向邊組成。其中，節點表示特徵 屬性或者乙個類。而有向邊包含有判斷條件。決策樹學習 decision tree learning 亦簡稱為決策樹。決策樹可以用來解決分類或回歸問題，分別稱之為分類樹或回歸樹。其中，分類樹的輸出是乙個標量，而回歸樹的一...

python決策樹 sklearn鳶尾花資料集分類

def decision iris 用決策樹進行鳶尾花分類 匯入資料 iris load iris 劃分資料 x train,x test,y train,y test train test split iris.data,iris.target,random state 6 決策樹預估器 esti...

決策樹演算法入門 鳶尾花資料集

話不多說，資料分析必備的三個包先導入 import numpy as np import pandas as pd import matplotlib.pyplot as plt 匯入機器學習演算法的決策樹模組，資料使用jupyter自帶的鳶尾花資料集 from sklearn import dat...