gxhdjdjdjdj

1.  # -*- coding: utf-8 -*- 
　　2.  import numpy as np 
　　3.  from sklearn import tree 
　　4.  import matplotlib.pyplot as plt  
　　5.  # 处理数据 
　　6.  filename = './data/Wine.csv' 
　　7.  labelname = './data/label_wine.csv' 
　　8.  data = np.loadtxt(open(filename, "rb"), delimiter=",", skiprows=0) 
　　9.  label = np.loadtxt(open(labelname, "rb"), dtype=int, delimiter=",", skiprows=0) 
　　10. # 80%数据用于训练，20%数据用于测试 
　　11. data_train = data[:int(data.shape[0] * 0.8)] 

 

12. label_train = label[:int(label.shape[0] * 0.8)] 

　　13. data_test = data[int(data.shape[0] * 0.8):] 

　　14. label_test = label[int(label.shape[0] * 0.8):] 

　　15. # 训练模型 

　　16. clf = tree.DecisionTreeClassifier() 

　　17. clf.fit(data_train, label_train) 

　　18. label_ predict = clf.predict(data_test) 

　　19. # 与真实标签比较 

　　20. x = range(data_test.shape[0]) 

　　21. fig = plt.figure() 

　　22. ax1 = fig.add_subplot(211) 

　　23. ax2 = fig.add_subplot(212) 

　　24. ax1.set_title('Predict cluster') 

　　25. ax2.set_title('True cluster') 

　　26. plt.xlabel('samples') 

　　27. plt.ylabel('label') 

　　28. ax1.scatter(x, label_predict, c=label_predict, marker='o') 

　　29. ax2.scatter(x, label_test, c=label_test, marker='s') 

　　30. plt.show()