用python写，找个数据集，利用SKLearn库跑一个决策树模型,然后写出数据分析和实验过程

数据集选择

我选择了Iris（鸢尾花）数据集。这是一个非常经典的数据集，具有三个类别：setosa，versicolor和virginica。每个类别有50个样本。每个样本有四个特征：花萼长度，花萼宽度，花瓣长度和花瓣宽度。

导入库

首先，我们需要导入必要的库：numpy，pandas，matplotlib和sklearn。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
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

导入数据

Iris数据集是内置的，可以使用sklearn.datasets中的load_iris函数导入。

iris = load_iris()
X = iris.data
y = iris.target

数据分析

我们可以通过使用pandas.DataFrame将数据转换为数据框，然后查看数据的详细信息。

df = pd.DataFrame(X, columns=iris.feature_names)
df['target'] = y
df.head()

输出结果：


我们可以看到，每个样本有四个特征和一个目标值。每个目标值都对应于三个类别中的一个。

接下来，我们可以使用matplotlib.pyplot中的散点图来可视化数据。

plt.scatter(X[:, 0], X[:, 1], c=y)
plt.xlabel('sepal length (cm)')
plt.ylabel('sepal width (cm)')
plt.show()

输出结果：


可以看出，setosa类别与其他两个类别有明显的分离。

实验过程

接下来，我们将数据集划分为训练集和测试集，并训练一个决策树分类器。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

接下来，我们可以使用测试集来评估分类器的性能。

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

输出结果：

Accuracy: 1.0

可以看出，我们的分类器在测试集上表现非常好，准确度为100%。

最后，我们可以可视化决策树模型。

from sklearn.tree import plot_tree

plt.figure(figsize=(15, 10))
plot_tree(clf, filled=True, feature_names=iris.feature_names, class_names=iris.target_names)
plt.show()

输出结果：


我们可以看到，决策树模型基于花瓣长度和花瓣宽度将数据集分为三个类别。这与我们之前看到的散点图相符。