sklearn实现决策树实例和完整代码,输出精度
时间: 2023-05-31 16:03:17 浏览: 69
以下是使用sklearn实现决策树的示例代码,使用Iris数据集进行训练和测试,并输出了模型的分类精度:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 预测结果
y_pred = clf.predict(X_test)
# 计算分类精度
accuracy = accuracy_score(y_test, y_pred)
# 输出分类精度
print("Accuracy:", accuracy)
```
输出结果为:
```
Accuracy: 0.9777777777777777
```
说明该决策树模型对Iris数据集的分类精度为97.78%。
相关问题
sklearn实现决策树实例和完整代码
以下是使用sklearn实现决策树的完整代码:
```
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据
data = pd.read_csv('data.csv')
# 分离特征和标签
X = data.drop('target', axis=1)
y = data['target']
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集数据
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('准确率:', accuracy)
```
该代码包括以下步骤:
1. 读取数据(假设数据集文件名为data.csv)。
2. 分离特征和标签。
3. 将数据集分为训练集和测试集。
4. 创建决策树分类器。
5. 训练模型。
6. 预测测试集数据。
7. 计算准确率。
需要注意的是,以上代码只是一个简单的示例,实际使用时可能需要进行更多的数据清洗和特征工程处理。
sklearn实现决策树实例和完整代码,决策图像
以下是使用sklearn实现决策树的示例代码:
```
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
# 加载鸢尾花数据集
iris = load_iris()
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 使用鸢尾花数据集训练分类器
clf.fit(iris.data, iris.target)
# 生成决策树图像
export_graphviz(clf, out_file='tree.dot', feature_names=iris.feature_names)
```
上述代码中,首先使用sklearn内置的鸢尾花数据集加载了数据集。然后,创建了一个DecisionTreeClassifier对象,使用fit()方法训练了分类器。接着,使用export_graphviz()函数生成了决策树图像,保存在tree.dot文件中。
如果需要将tree.dot文件转换为决策树图像,可以使用Graphviz工具。Graphviz是一款开源的可视化工具,可以将DOT语言代码转换为图像。在安装了Graphviz之后,可以使用以下命令将tree.dot文件转换为决策树图像:
```
dot -Tpng tree.dot -o tree.png
```
这将生成一个名为tree.png的图像文件,显示了训练出的决策树。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)