使用随机森林的方法预测鸢尾花数据的分类

        首先说一下，该数据集来源于网络。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。数据来源：http://archive.ics.uci.edu/ml/datasets/Iris

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn.ensemble import RandomForestClassifier
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

if __name__ == "__main__":
    iris_feature = '花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度'
    path = 'iris.data'  # 数据文件路径
    data = pd.read_csv(path, header=None)
    x_prime = data[list(range(4))]
    y = pd.Categorical(data[4]).codes
    feature_pairs = [[0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3]]
    for _, pair in enumerate(feature_pairs):
        x = x_prime[pair]
        clf = RandomForestClassifier(n_estimators=100, criterion='entropy', max_depth=4)
        clf.fit(x, y)
        # 训练集上的预测结果
        y_hat = clf.predict(x)
        c = np.count_nonzero(y_hat == y)  # np.count_nonzero(a)统计a中为True的个数
        print('特征：', iris_feature[pair[0]], '和', iris_feature[pair[1]],"对类别的影响")
        print('预测正确数目：', c)
        print('准确率: %.2f%%' % (100 * float(c) / float(len(y))), "\n")

结果如下：

特征： 花萼长度 和 花萼宽度 对类别的影响
预测正确数目： 126
准确率: 84.00% 

特征： 花萼长度 和 花瓣长度 对类别的影响
预测正确数目： 145
准确率: 96.67% 

特征： 花萼长度 和 花瓣宽度 对类别的影响
预测正确数目： 146
准确率: 97.33% 

特征： 花萼宽度 和 花瓣长度 对类别的影响
预测正确数目： 144
准确率: 96.00% 

特征： 花萼宽度 和 花瓣宽度 对类别的影响
预测正确数目： 145
准确率: 96.67% 

特征： 花瓣长度 和 花瓣宽度 对类别的影响
预测正确数目： 145
准确率: 96.67%