随机森林处理鸢尾花数据实践

下面介绍随机森林处理鸢尾花数据的python实践，不清楚随机森林原理的科研参考我的笔记https://blog.csdn.net/qq_43468729/article/details/84722248
开始撸代码~~

首先导入相关包并进行数据预处理

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.decode('utf-8')]

# '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 = '..\\8.Regression\\8.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)

    feature_pairs = [[0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3]]
    plt.figure(figsize=(10, 9), facecolor='#FFFFFF')

接着随机对特征集中取两个特征进行建模

 x = x_prime[:, pair]

        # 随机森林  200颗树  以熵下降最快为准则 深度为4
        clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=4)
        rf_clf = clf.fit(x, y.ravel())

此处随机森林的参数可以选择以叶子结点的样本数为条件，这里选择的是决策树的深度

画图：

 y_hat = rf_clf.predict(x)
        y = y.reshape(-1)
        c = np.count_nonzero(y_hat == y)    # 统计预测正确的个数
        print ('特征：  ', iris_feature[pair[0]], ' + ', iris_feature[pair[1]],)
        print ('\t预测正确数目：', c,)
        print ('\t准确率: %.2f%%' % (100 * float(c) / float(len(y))))

        # 显示
        cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])
        cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])
        y_hat = rf_clf.predict(x_test)  # 预测值
        y_hat = y_hat.reshape(x1.shape)  # 使之与输入的形状相同
        plt.subplot(2, 3, i+1)
        plt.pcolormesh(x1, x2, y_hat, cmap=cm_light)  # 预测值
        plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', cmap=cm_dark)  # 样本
        plt.xlabel(iris_feature[pair[0]], fontsize=14)
        plt.ylabel(iris_feature[pair[1]], fontsize=14)
        plt.xlim(x1_min, x1_max)
        plt.ylim(x2_min, x2_max)
        plt.grid()

由于设置了200颗数，四个特征两两组合有六种情况，运算的速度稍微有点慢
最后可以得到如下数据 从图中可以看到 选择 花瓣长度 + 花瓣宽度特征预测最为准确

特征：   花萼长度  +  花萼宽度
	预测正确数目： 125
	准确率: 83.33%
特征：   花萼长度  +  花瓣长度
	预测正确数目： 144
	准确率: 96.00%
特征：   花萼长度  +  花瓣宽度
	预测正确数目： 146
	准确率: 97.33%
特征：   花萼宽度  +  花瓣长度
	预测正确数目： 145
	准确率: 96.67%
特征：   花萼宽度  +  花瓣宽度
	预测正确数目： 144
	准确率: 96.00%
特征：   花瓣长度  +  花瓣宽度
	预测正确数目： 145
	准确率: 96.67%