技术分享-python-sklearn-决策树

决策树是一个很神奇的东西，原理上，只要你这棵树足够大，足够复杂，其准确度可以媲美神经网络。当然，此时过拟合的可能性也非常高了。原理性的东西不多聊了，直接切题。

本次技术分享贴主要跟大家分享一下如何在python的sklearn中使用决策树进行数据的训练和预测。

（1）首先，大家自行安装sklearn包，此处假设大家都已经有这个包了，我们先导入相关包

# tree是建树用的模块，datasets是将会使用到的数据集的模块
from sklearn import tree,datasets
# train_test_split是skl提供的一个快捷切分和打乱数据的模块
from sklearn.model_selection import train_test_split

 

（2）我们加载一个官方的“鸢尾花数据集”

iris = datasets.load_iris()

该数据集包括四个属性：

花萼长度、花萼宽度、花瓣长度、花瓣宽度，

以及三个对应的分类：

0、1、2

其具体描述大家可自行查看

iris

 

（3）OK，现在我们取出他的数据和对应的label，在他的数据集里分别为“data”和“target”

data = iris['data']
target = iris['target']