实验3:决策树

实验3:决策树

• 实验目的

了解决策树的构建过程和代码实现，应用决策树解决实际问题。

• 实验准备

安装python和pycharm，了解python基础编程和pycharm使用。

三、实验内容

基于iris数据集，补充完整下面决策树的相关程序，粘贴运行成功的结果截图，并给每行程序添加注释。

 

实验内容：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import numpy as np
import matplotlib.pyplot as plt
from collections import Counter
from math import log
from graphviz import Digraph                                  #以上均是导包操作

iris = load_iris()                  #数据集导入，加载 iris 数据集
x = iris.data                      

#包括样本的特征  data 里面是花萼长度、花萼宽度、花瓣长度、花瓣宽度的测量数据
y = iris.target                   

 #存储了data中每条记录属于哪一类鸢尾植物    标签（结果）
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=666666)
'''
feature_train, feature_test, target_train, target_test 分别代表训练集特征、测试集特征、训练集目标值、验证集特征。

train_data：待划分样本数据 对应x

train_target：待划分样本数据的结果（标签）  对应y

test_size：测试数据占样本数据的比例，，如果是整数的话就是样本的数量

random_state：设置随机数种子，保证每次都是同一个随机数。若为0或不填，则每次得到数据都不一样
。
'''

#树结构
class Node:
    def __init__(self,x_data, y_label, dimension, value):                 

 #创建树的结构