决策树学习day02

Today task:决策树实现鸢尾花数据分类。

鸢尾花数据集是sklearn 的内置非常好用的数据集，iris_datasets 含有150条数据，数据集有3个 label **山鸢尾，变色鸢尾，维吉尼亚鸢尾 **每个label 有 4 个特征：花萼长度，花萼宽度，花蕊长度，花蕊宽度，所以由此我们可以想到 鸢尾花的数据集是个 row = 150 ,column =4
的matrix，我们可以在IDE查看具体数据：
from sklearn.datasets import load_iris
iris = load_iris()
print(iris.data)
print(iris.target)
print(len(iris))
print iris.data.shape

ok baby 我们开始趴
整个过程代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

def decision_iris():

    # 获取数据集
    iris = load_iris()

    # 划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)

    # 决策树预估器
    estimator = DecisionTreeClassifier(criterion="entropy")
    estimator.fit(x_train, y_train)

    # 模型评估
    # 方法1：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值:\n", y_test == y_predict)

    # 方法2：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    return None
if __name__ == "__main__":
    # 用决策树对鸢尾花进行分类
    decision_iris()