python决策树算法分析数据_Python数据分析实用决策树算法的分类与回归,python,实战...

决策树算法

ID3和C4.5实现鸾尾花分类预测

ID3和C4.5算法原理简单介绍

1、这两个算法差别不是特别大，一个是用信息增益来判断，一个是用信息增益率来判断，在sklearn库中指定 criterion=“entropy” 即可，只是准确度不一样。

2、这两个算法只能做分类，不能做回归。

实现对鸾尾花数据的分类预测

导入相关的包

# coding=utf-8

from sklearn.datasets import load_boston,load_iris

from sklearn.model_selection import train_test_split

from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import accuracy_score

加载数据

#准备数据

feature = load_iris()['data']

label = load_iris().target

train_feature,test_feature,train_label,test_label = train_test_split(feature,label,test_size=0.3,random_state=0)

创建分类树–预测结果

#创建树结构 -- 信息熵

tree = DecisionTreeClassifier(criterion="entropy")

#拟合数据模型

tree_model = tree.fit(train_feature,train_