决策树实现iris分类
时间: 2023-11-06 20:07:18 浏览: 91
knn_svm_tree_iris_机器学习简单分类算法_
5星 · 资源好评率100%
好的,下面我将介绍如何使用决策树算法来实现iris分类。
首先需要导入相关的库和数据集:
```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
# 导入 iris 数据集
iris = load_iris()
X = iris.data
y = iris.target
```
将数据集分为训练集和测试集:
```python
# 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=0.3, random_state=42)
```
创建决策树模型并进行训练:
```python
# 创建决策树模型
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
```
在测试集上进行预测并计算准确率:
```python
# 在测试集上进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率为:", accuracy)
```
完整的代码如下:
```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
# 导入 iris 数据集
iris = load_iris()
X = iris.data
y = iris.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=0.3, random_state=42)
# 创建决策树模型
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率为:", accuracy)
```
运行结果如下:
```
准确率为: 1.0
```
说明我们使用决策树算法对 iris 数据集进行分类的准确率为 100%。
阅读全文