python决策树分类 导入数据集_决策树的可视化更好的理解机器学习，利用python用iris数据做一个...

利用python用iris做一个决策树的可视化更好的理解机器学习！

先来看看说说主要步骤。

1、引入数据

2、训练模型

3、预测

1、引入数据，采用经典的iris数据

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。

该数据集包含了5个属性：

& Sepal.Length（花萼长度），单位是cm;

& Sepal.Width（花萼宽度），单位是cm;

& Petal.Length（花瓣长度），单位是cm;

& Petal.Width（花瓣宽度），单位是cm;

& 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。

首先引入Iris到scikit-learn里

这个数据集是别人已经给我们整理好的，我们只需要导入就可以，现在读者一定对这个数据还是感到很好奇，那么我们一步一步来查看数据集是怎样的。

如图所示，首先我们把iris的原始数据赋值给iris，接着查看了iris数据集的变量分别是花瓣长度，花瓣宽度，萼片长度和萼片宽度，在接着查看了iris的种类，分别为那三种英文名，就不翻译了。接着查看了第一个数据集的值，他们四个数这是第一个样本的花瓣长度，花瓣宽度，萼片长度和萼片宽度。接着是看了第一个样本的种类是“setosa”

为了更直观的看到数据，可以用一下命令把数据打印出来。看看数据庐山真面目，下图没显示全部。我还把他保存到了电脑本地，方便以后用。

这数据，UCI上面也有，打开网站后第一个就是。

到此我们已经有了数据，但是有一个点，就是有关训练集和测试集。我们需要把数据分一些数来。

简单的理解，我们把三种类型的花，分别抽出一个样本，等我们模型建立好以后，用这三个数据去测试我们的模型，看他是否能准确预测出我们花的种类。下面是分别提取三个数的代码，分别提取了第1个，第51个，第101个数据，这三个数据不在参与我们模型的训练。而是后面用来检验模型的。

2、训练模型

训练模型就比较简单，上次课也有说过。

我们导入模型，然后用训练集的数据进行训练模型，这就得到了模型了。

3、预测

预测同样很简单，采用predict命令，然后把我提出来的三个样本数据，带入模型，并查看模型的预测效果

上面一条命令是查看这三个样本数据原本的花的类型，分别是0,1,2，即是“Iris Setosa（山鸢尾）用0表示的、Iris Versicolour（杂色鸢尾）用1表示的，以及Iris Virginica（维吉尼亚鸢尾）用2表示”

下面一条命令这是把这三个样本数据导入模型，让模型分别这三种花的类型，结果显示和原本的种类是一样的，这就说明模型都预测对了。

决策树可视化

前面的步骤正式了模型还不错，但是有一个疑问，这个模型是怎么建立的，为什么能准确判断出花的种类？

利用可视化的决策树，能帮助我们理解模型建立的奥秘。

由于可视化要借助与 graphviz 这个包，另外graphviz 是一个画图的软件，可以自行查找相关资料了解。

引入包的前提是需要安装这个包。可以使用 pip install graphviz 进行安装，如果你使用的也是 anaconda 这是要在anaconda Prompt 命令窗口中使用此命令。

运行以上代码后可以得到下图：

这就是决策树，其实不难理解，当一个样本数据进入时，我们进入这课树的顶端，首先判断其X3 ，这个X3就是Petal.Length（花瓣长度） 当你的样本数据进去时他会首先判断第一个条件，Sepal.Length（花萼长度）是否小于0.8，如果是True 这判断为Iris Setosa（山鸢尾），如果False ，则看Sepal.Length（花萼长度）是否小于1.75.....

这就是决策树的原来，可以带如三个测试数据判断，看看结果一样吗？

请关注头条号：【用数据剖析热点】。做一个”数据科学家“ ，数据科学家=统计学家+程序员+讲故事的人+艺术家