原文以及代码来自于下面链接,本人对每段代码进行了详细注释,希望对初学者有用。非常建议用pycharm的调试模式,可以查看每个数据的内容
https://scikit-learn.org/stable/auto_examples/tree/plot_iris_dtc.html
绘制在虹膜数据集的要素对上训练的决策树的决策面。
有关估计器的详细信息,请参阅决策树。
对于每对虹膜特征,决策树将学习从训练示例中推断出的简单阈值规则组合的决策边界。
我们还显示了基于所有要素构建的模型的树结构。
print(__doc__)
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree
# Parameters
n_classes = 3
plot_colors = "ryb"
plot_step = 0.02
# Load data
iris = load_iris()
'''
iris 来自于一个叫iris.csv的文件
iris 是一个字典,里面存储了一个叫data的150x4的array,一个叫target的1x150的一维数组
'''
for pairidx, pair in enumerate([[0, 1], [0, 2], [0, 3],
[