scikit-learn 决策树代码学习-红酒数据

代码笔记

1.导库

from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split

2. 加载数据,拆分

wine = load_wine()
Xtrain, Xtest, Ytrain, Ytest = train_test_split(wine.data, wine.target, test_size=0.3)

3. 建模,训练

clf = tree.DecisionTreeClassifier(criterion = 'entropy')
clf = clf.fit(Xtrain, Ytrain)
score = clf.score(Xtest, Ytest)
print(score)

4. 查看特征的重要性

feature_name = ['酒精','苹果酸','灰','灰的碱性','美','酒精1','苹果酸1','灰1','灰的碱性1','美1','111','222','333']
clf.feature_importances_ #特征的重要性
print(list(zip(feature_name, clf.feature_importances_)))

###############################################################

print([*zip(feature_name, clf.feature_importances_)])

 

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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