sklearn的快速使用之六（决策树分类）

print(__doc__)

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

# Parameters
n_classes = 3
plot_colors = "ryb"
plot_step = 0.02

# Load data
iris = load_iris()

print (iris.data)
print (iris.data[:, [0, 1]])
#print (iris.data[:, [1, 2]])
for pairidx, pair in enumerate([[0, 1], [0, 2], [0, 3],
                                [1, 2], [1, 3], [2, 3]]):
    #  [0,1,2,3,4]从四列数据中选取2个要素进行训练
    X = iris.data[:, pair]  
   
    y = iris.target

    # Train
    clf = DecisionTreeClassifier().fit(X, y)

    # 2行3列排列图片
    plt.subplot(2, 3, pairidx + 1)
    #第一列
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    print (x_min,x_max)
    #第二列
    y_min, y_max = X[:, 1].min(