决策树之鸢尾花卉实例解析

决策树之鸢尾花卉实例解析

1、介绍

以sklearn数据集中的鸢尾花卉Iris数据集为例，解析决策树。

鸢尾花卉Iris数据集中有150个样本（示例），4个特征（属性），1个标签（类别变量）。以此150个样本为训练样本得到相应的决策树。

首先，明确一下数据集中的内容。

通过以下代码可以查看：

解说：

①from sklearn.datasets import load_iris，从sklearn数据集模块导出鸢尾花卉数据集。

②iris = load_iris()，下载鸢尾花卉数据集。

③print iris.data，显示鸢尾花卉数据集中的4个特征，结果显示为

[[5.1  3.5 1.4  0.2]

 [ 4.9 3.   1.4  0.2]

 [ 4.7 3.2  1.3  0.2]

…

 [ 5.9 3.   5.1  1.8]]

是个150行，4列的一个矩阵。

④print iris.target显示鸢尾花卉数据集中的标签，结果显示为

[0 0 0…2]

是个1行，150列的一个矩阵。

⑤print iris.feature_name, 显示特征向量

['sepal length (cm)', 'sepal width (cm)', 'petal length(cm)', 'petal width (cm)']

 

⑥print iris.target_names显示标签名字，结果显示为

['setosa''versicolor' 'virginica']

总结：

	特征1	特征2	特征3	特征4	标签
物理含义	花萼长度	花萼宽度	花瓣长度	花瓣宽度	鸢尾花种类
对应英文	SepalLength	SepalWidth	PetalLength	PetalWidth	Class
存储形式	float	float	float	float	int

鸢尾花种类可取值0、1、2，分别代表山鸢尾setosa、变色鸢尾versicolor、维吉尼亚鸢尾virginica。

 

2、训练决策树实现鸢尾花分类

DecisionTreeClassifier:sklearn机器学习包中，决策树实现类是DecisionTreeClassifier，实现对数据集的多类分类。输入参数为两个数组x_train和y_train, x_train为训练数据，y_train为训练数据的标签，用于训练分类器。

train_test_split:将原始数据将其按一定比例随机分为x_train和x_test。x_test为测试数据，用于测试分类器。好的做法是多次随机划分x_train和x_test，根据y_test的测试结果和本身固有结果比较来衡量分类器的好坏。这里只以一次运行结果说明，且在4个特征中，以第一个和最后一个特征进行分类图示。

 

示例：

分类结果图：