编写一个决策树的回归程序,数据集文件应包含两列:日期时间和负荷数据。画图查看预测效果
时间: 2024-05-03 09:22:16 浏览: 7
以下是一个简单的决策树回归程序,使用sklearn库实现:
```python
import pandas as pd
from sklearn.tree import DecisionTreeRegressor
import matplotlib.pyplot as plt
# 读取数据集
data = pd.read_csv('data.csv')
# 分隔出特征和标签
X = data.iloc[:, 0].values.reshape(-1, 1)
y = data.iloc[:, 1].values
# 创建决策树回归模型
regressor = DecisionTreeRegressor(random_state=0)
regressor.fit(X, y)
# 绘制原始数据和回归曲线
plt.scatter(X, y, color='red')
plt.plot(X, regressor.predict(X), color='blue')
plt.title('Load vs. Time')
plt.xlabel('Time')
plt.ylabel('Load')
plt.show()
```
在此程序中,我们首先使用pandas库读取包含日期时间和负荷数据的CSV文件。然后,我们将日期时间作为特征,将负荷数据作为标签,将它们分别存储在X和y变量中。接下来,我们使用sklearn库中的DecisionTreeRegressor类创建决策树回归模型,并使用fit()方法将模型拟合到数据集上。最后,我们使用matplotlib库绘制原始数据和回归曲线。
请注意,这只是一个简单的示例程序,实际应用中可能需要更复杂的数据预处理和模型调整。