随机森林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： 143 	准确率: 95.33%
特征：   花萼长度  +  花瓣宽度 	预测正确数目： 145 	准确率: 96.67%
特征：   花萼宽度  +  花瓣长度 	预测正确数目： 144 	准确率: 96.00%
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： 145 	准确率: 96.67%

实现代码

#!/usr/bin/python
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn.ensemble import RandomForestClassifier


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

# 'sepal length', 'sepal width', 'petal length', 'petal width'
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'  # 数据文件路径
    data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})
    x_prime, y = np.split(data, (4,), axis=1)

    #不同的列交叉组合成不同的特征
    feature_pairs = [[0, 1], [0, 2], [0, 3], [1, 2