所属分类:机器学习
摘要
这一篇简单介绍一下使用决策树来进行分类任务, 同时我们会对决策树的结果进行可视化的显示. 这里会使用iris的例子进行分析.
文章目录(Table of Contents)简介参考资料
模型的训练与可视化导入数据集
训练决策树模型
模型的评价
结果的可视化
一些问题Make sure the Graphviz executables are on your systems' PATH
简介
这一篇是对于决策树的介绍, 使用决策树来解决分类问题, 同时我们会将决策树的结果进行可视化, 来查看他的分类的过程.
参考资料
主要参考内容来自sklearn的官方教程: 1.10. Decision Trees
这也是一个进行可视化的博客, 最后保存和显示的方式会有不同. Creating and Visualizing Decision Trees with Python
模型的训练与可视化
导入数据集
首先我们导入我们需要的库.
import sklearn.datasets as datasets
import pandas as pd
接下来我们就可以导入数据集
iris = datasets.load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
y = iris.target
我们简单看一下使用的数据集.
训练决策树模型
接着, 我们训练决策树模型, 为了最后的显示效果, 我们控制决策树的深度.
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree im