说明
这个是今天上课的代码,记录一下吧,以前都没有这种意识,学过就忘了。
环境
这里用的是anaconda,要用到这里面的代码,还需要下载额外的软件。当你下载好了anaconda之后在“开始”处可以找到“所有程序”中的anaconda文件夹中会有下面的文件。
一般我们打开jupyter notebook,在里面new一个Python就可以开始写代码了。
要能够画图还需要下载一个软件
安装时可以根据下面这篇配置环境
https://jingyan.baidu.com/article/020278115032461bcc9ce598.html
最后那步显示图片的可以先放着,不用跟着最后一步做。
配置好之后就依次在Anaconda Prompt命令窗口输入
pip install graphviz
pip install pydotplus
当出现下面的图时,说明安装成功
数据
看一下这里用的数据
这里的D到Q列我们作为属性输入,S列是根据R列true为1,false为0转换过来的,用来作为结果,因为Python中用于处理的数据要是数值型的,所以要转化,如果这里要用到ABC列的数据也需要转化。
代码
# Importing the libraries
#导入包
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
#取数据
dataset = pd.read_csv('C:/Users/Administrator/Desktop/chap4.csv')
#这里取桌面的chap4的代码
#这里取D到Q列
X = dataset.iloc[:,3:16].values
#这里取S列
y = dataset.iloc[:,18].values
# Splitting the dataset into the Training set and Test set
#将数据集拆分为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)
# Feature Scaling
from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test = sc_X.transform(X_test)
# Fitting Classifier to the Training set
#训练集的分类器拟合
from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier(criterion = 'entropy', random_state=0,class_weight={0:1,1:10})
#这里的class_weight={0:1,1:10},max_depth=20参数可以不用加入
# classifier = DecisionTreeClassifier(criterion = 'entropy', random_state=0)
classifier.fit(X_train,y_train)
# Predicting the Test set results
#预测测试集结果
y_pred = classifier.predict(X_test)
# Making the Confusion Matrix
#制作混淆矩阵
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)
scoretest = classifier.score(X_test,y_test)
from IPython.display import Image
import pydotplus
from sklearn import tree
# 可视化决策树
dot_data = tree.export_graphviz(classifier, out_file=None,
filled=True, rounded=True,
special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
# 显示图片
# graph.get_nodes()[7].set_fillcolor("#FFF2DD")
graph.write_png("C:/Users/Administrator/Desktop/out.png")
#这里我把图片输出到桌面的out.png
出现结果为True说明代码运行成功。
代码里面有这个方法DecisionTreeClassifier(criterion = ‘entropy’,random_state=0,class_weight={0:1,1:10}),这里的class_weight是为了处理结果不平衡的问题,该方法中还可以使用很多参数,可以参考API文档。可以根据自己的需要加入参数,地址是:
https://scikitlearn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier
结果
看一下细节