决策树对鸢尾花数据的两特征组合的分类结果

特征：   花萼长度  +  花萼宽度 	预测正确数目： 123 	准确率: 82.00%
特征：   花萼长度  +  花瓣长度 	预测正确数目： 145 	准确率: 96.67%
特征：   花萼长度  +  花瓣宽度 	预测正确数目： 144 	准确率: 96.00%
特征：   花萼宽度  +  花瓣长度 	预测正确数目： 143 	准确率: 95.33%
特征：   花萼宽度  +  花瓣宽度 	预测正确数目： 145 	准确率: 96.67%
特征：   花瓣长度  +  花瓣宽度 	预测正确数目： 147 	准确率: 98.00%

实现代码

#coding:utf-8

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn.tree import DecisionTreeClassifier

def iris_type(s):
    it={'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}
    return it[s]

iris_feature = u'花萼长度', u'花萼宽度', u'花瓣长度', u'花瓣宽度'

if __name__ == "__main__":
    mpl.rcParams['font.sans-serif']=[u'SimHei'] #黑体 FangSong/KaiTi
    mpl.rcParams['axes.unicode_minus']=False

    path = '10.iris.data'
    #加载数据   converters={4:iris_type} 将第四列数据替换成iris_type函数返回的值
    data=np.loadtxt(path,dtype=float,delimiter=',',converters={4:iris_type})
    #前4列是特征向量 赋给x_prime,最后一列标签列赋给y
    x_prime,y=np.split(data,(4,),axis=1)

    # print 'x_prime'
    # print x_prime
    # print 'y='
    # print y
    # print '----------------'

    #(0,1)表示取第0列和