本次实践主要通过 DecisionTreeClassifier 熵/gini系数决策树模型、以及RandomForestClassifier随机森林模型进行分类;
训练集:测试集=8:2
结果:返回模型评价结果、导出DecisionTreeClassifier 熵/gini系数决策树模型生成的决策树.dot文件并,生成png格式决策树图片。
注意: 相同的数据集,因算法训练过程中有用到随机算法,如果random_state参数不设置,那么每次执行模型将会生成不一样的结果,如果模型投入生产会产生很不好的影响,过程中任何涉及随机算法都需要注意。
#!/usr/bin/evn python# -*-coding:utf8 -*-'''鸢尾花经典数据处理:# 数据获取:# http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.dataimport requestscontent = requests.get('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data')file = open('F:\\kettle\\tbsales\\pyhon_seana\\testresult\\liris_data.txt', "ab+")file.write(content.text.encode('utf-8'))# data_ = pd.read_excel(r'F:\kettle\tbsales\pyhon_seana\chapter5\demo\data\sales_data.xls',index_col=u'序号')'''