python决策树分类 导入数据集_机器学习算法之——决策树模型(Decision Tree Model)原理讲解及Python实现...

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