使用决策树对鸢尾花进行分类python

鸢尾花数据集介绍

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4X8jRzcC-1682471513133)(attachment:4DF91FF95586A48821F095FEB824B992.jpg)]

一:读取数据

from sklearn.datasets import load_iris
# 导入数据集Iris
iris = load_iris() #导入数据
iris_feature= iris.data #特征数据
iris_target = iris.target #分类数据
# print(iris.data)  # 输出数据
print(type(iris))
print(type(iris_feature))
print(type(iris_target))  # numpy 数据类型
<class 'sklearn.utils.Bunch'>
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
# numpy数据查看--索引
print(iris_feature[2])
print(iris_feature[2,1])
[4.7 3.2 1.3 0.2]
3.2

二:鸢尾花类别

target介绍

# print(iris.data)  # 输出数据
print(iris.target) #输出真实标签
print(len(iris.target)) #样本个数
print(iris.data.shape)
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
150
(150, 4)

三:数据可视化

在这里插入图片描述

1:绘制直方图

import pandas as pd
  • 2
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
决策树是一种常用的机器学习算法,可以用于分类和回归问题。在Python中,我们可以使用scikit-learn库来实现决策树鸢尾花分类。 首先,我们需要导入所需的库和数据集。使用以下代码导入库和鸢尾花数据集: ```python from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import accuracy_score # 导入鸢尾花数据集 iris = datasets.load_iris() X = iris.data y = iris.target ``` 接下来,我们将数据集划分为训练集和测试集,以便评估模型的性能。可以使用train_test_split()函数来进行划分,代码如下: ```python # 划分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 然后,我们可以创建一个决策树分类器,并用训练集拟合该模型。可以使用DecisionTreeClassifier()来创建决策树分类器,代码如下: ```python # 创建决策树分类器 clf = DecisionTreeClassifier() # 拟合模型 clf.fit(X_train, y_train) ``` 接下来,我们可以使用测试集来评估模型的性能。使用predict()函数来预测测试集中的类别,并使用accuracy_score()函数计算模型的准确度,代码如下所示: ```python # 预测测试集 y_pred = clf.predict(X_test) # 计算准确度 accuracy = accuracy_score(y_test, y_pred) print("准确度:", accuracy) ``` 这样,我们就实现使用决策树算法进行鸢尾花分类Python代码。决策树是一种直观且易于解释的机器学习算法,适用于许多分类问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值