用决策树进行空气质量等级分类数据有:日期、AQI、质量等级、PM2.5、PM10、SO2、CO、NO2、O3,提供代码
时间: 2023-09-18 07:13:19 浏览: 53
以下是使用Python中的scikit-learn库实现决策树进行空气质量等级分类的代码:
```python
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('air_quality.csv')
# 拆分特征和标签
X = data.drop(['日期', '质量等级'], axis=1)
y = data['质量等级']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 构建决策树模型
dtc = DecisionTreeClassifier()
# 拟合模型
dtc.fit(X_train, y_train)
# 预测
y_pred = dtc.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('准确率:', acc)
```
其中,数据文件air_quality.csv包含了日期、AQI、质量等级、PM2.5、PM10、SO2、CO、NO2、O3等特征,代码中使用`drop`函数删除了日期和质量等级两个特征,得到了剩余特征作为模型的输入。使用`DecisionTreeClassifier`构建了一个决策树模型,使用`fit`函数拟合模型,使用`predict`函数预测测试集数据的质量等级,并使用`accuracy_score`函数计算准确率。