鸢尾花（Iris）数据集决策树（python 文件读取，决策树，误差计算）

最新推荐文章于 2024-03-05 21:56:45 发布
最新推荐文章于 2024-03-05 21:56:45 发布
阅读量3.7k 收藏 24
点赞数 4
文章标签： python 算法 决策树
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_58196051/article/details/123973957
版权

一、数据集（150)

具体数据如下（如果不能运行，尝试在末尾加回车）

5.1	3.5	1.4	0.2	1
4.9	3	1.4	0.2	1
4.7	3.2	1.3	0.2	1
4.6	3.1	1.5	0.2	1
5	3.6	1.4	0.2	1
5.4	3.9	1.7	0.4	1
4.6	3.4	1.4	0.3	1
5	3.4	1.5	0.2	1
4.4	2.9	1.4	0.2	1
4.9	3.1	1.5	0.1	1
5.4	3.7	1.5	0.2	1
4.8	3.4	1.6	0.2	1
4.8	3	1.4	0.1	1
4.3	3	1.1	0.1	1
5.8	4	1.2	0.2	1
5.7	4.4	1.5	0.4	1
5.4	3.9	1.3	0.4	1
5.1	3.5	1.4	0.3	1
5.7	3.8	1.7	0.3	1
5.1	3.8	1.5	0.3	1
5.4	3.4	1.7	0.2	1
5.1	3.7	1.5	0.4	1
4.6	3.6	1	0.2	1
5.1	3.3	1.7	0.5	1
4.8	3.4	1.9	0.2	1
5	3	1.6	0.2	1
5	3.4	1.6	0.4	1
5.2	3.5	1.5	0.2	1
5.2	3.4	1.4	0.2	1
4.7	3.2	1.6	0.2	1
4.8	3.1	1.6	0.2	1
5.4	3.4	1.5	0.4	1
5.2	4.1	1.5	0.1	1
5.5	4.2	1.4	0.2	1
4.9	3.1	1.5	0.1	1
5	3.2	1.2	0.2	1
5.5	3.5	1.3	0.2	1
4.9	3.1	1.5	0.1	1
4.4	3	1.3	0.2	1
5.1	3.4	1.5	0.2	1
5	3.5	1.3	0.3	1
4.5	2.3	1.3	0.3	1
4.4	3.2	1.3	0.2	1
5	3.5	1.6	0.6	1
5.1	3.8	1.9	0.4	1
4.8	3	1.4	0.3	1
5.1	3.8	1.6	0.2	1
4.6	3.2	1.4	0.2	1
5.3	3.7	1.5	0.2	1
5	3.3	1.4	0.2	1
7	3.2	4.7	1.4	2
6.4	3.2	4.5	1.5	2
6.9	3.1	4.9	1.5	2
5.5	2.3	4	1.3	2
6.5	2.8	4.6	1.5	2
5.7	2.8	4.5	1.3	2
6.3	3.3	4.7	1.6	2
4.9	2.4	3.3	1	2
6.6	2.9	4.6	1.3	2
5.2	2.7	3.9	1.4	2
5	2	3.5	1	2
5.9	3	4.2	1.5	2
6	2.2	4	1	2
6.1	2.9	4.7	1.4	2
5.6	2.9	3.6	1.3	2
6.7	3.1	4.4	1.4	2
5.6	3	4.5	1.5	2
5.8	2.7	4.1	1	2
6.2	2.2	4.5	1.5	2
5.6	2.5	3.9	1.1	2
5.9	3.2	4.8	1.8	2
6.1	2.8	4	1.3	2
6.3	2.5	4.9	1.5	2
6.1	2.8	4.7	1.2	2
6.4	2.9	4.3	1.3	2
6.6	3	4.4	1.4	2
6.8	2.8	4.8	1.4	2
6.7	3	5	1.7	2
6	2.9	4.5	1.5	2
5.7	2.6	3.5	1	2
5.5	2.4	3.8	1.1	2
5.5	2.4	3.7	1	2
5.8	2.7	3.9	1.2	2
6	2.7	5.1	1.6	2
5.4	3	4.5	1.5	2
6	3.4	4.5	1.6	2
6.7	3.1	4.7	1.5	2
6.3	2.3	4.4	1.3	2
5.6	3	4.1	1.3	2
5.5	2.5	4	1.3	2
5.5	2.6	4.4	1.2	2
6.1	3	4.6	1.4	2
5.8	2.6	4	1.2	2
5	2.3	3.3	1	2
5.6	2.7	4.2	1.3	2
5.7	3	4.2	1.2	2
5.7	2.9	4.2	1.3	2
6.2	2.9	4.3	1.3	2
5.1	2.5	3	1.1	2
5.7	2.8	4.1	1.3	2
6.3	3.3	6	2.5	3
5.8	2.7	5.1	1.9	3
7.1	3	5.9	2.1	3
6.3	2.9	5.6	1.8	3
6.5	3	5.8	2.2	3
7.6	3	6.6	2.1	3
4.9	2.5	4.5	1.7	3
7.3	2.9	6.3	1.8	3
6.7	2.5	5.8	1.8	3
7.2	3.6	6.1	2.5	3
6.5	3.2	5.1	2	3
6.4	2.7	5.3	1.9	3
6.8	3	5.5	2.1	3
5.7	2.5	5	2	3
5.8	2.8	5.1	2.4	3
6.4	3.2	5.3	2.3	3
6.5	3	5.5	1.8	3
7.7	3.8	6.7	2.2	3
7.7	2.6	6.9	2.3	3
6	2.2	5	1.5	3
6.9	3.2	5.7	2.3	3
5.6	2.8	4.9	2	3
7.7	2.8	6.7	2	3
6.3	2.7	4.9	1.8	3
6.7	3.3	5.7	2.1	3
7.2	3.2	6	1.8	3
6.2	2.8	4.8	1.8	3
6.1	3	4.9	1.8	3
6.4	2.8	5.6	2.1	3
7.2	3	5.8	1.6	3
7.4	2.8	6.1	1.9	3
7.9	3.8	6.4	2	3
6.4	2.8	5.6	2.2	3
6.3	2.8	5.1	1.5	3
6.1	2.6	5.6	1.4	3
7.7	3	6.1	2.3	3
6.3	3.4	5.6	2.4	3
6.4	3.1	5.5	1.8	3
6	3	4.8	1.8	3
6.9	3.1	5.4	2.1	3
6.7	3.1	5.6	2.4	3
6.9	3.1	5.1	2.3	3
5.8	2.7	5.1	1.9	3
6.8	3.2	5.9	2.3	3
6.7	3.3	5.7	2.5	3
6.7	3	5.2	2.3	3
6.3	2.5	5	1.9	3
6.5	3	5.2	2	3
6.2	3.4	5.4	2.3	3
5.9	3	5.1	1.8	3

二、代码

import math
import random


def deDv(D, a, v, v1, v2):  # 得到Dv
    for i in range(len(D[a])):  # 属性a列遍历
        if D[a][i] >= v:  # 找到属性v
            for j in range(len(D)):  # D属性遍历
                v1[j].append(D[j][i])  # D的属性加到v1上
        else:
            for j in range(len(D)):  # D属性遍历
                v2[j].append(D[j][i])  # D的属性加到v2上


def Ent(D):  # Ent(D)  信息熵
    x = list(set(D[4]))  # 取得无重复标签的列表
    if len(x) == 0:  # 数据为空
        return 0
    x1 = x[0]  # D中样本标签第一类
    c = 0  # 计数
    for j in D[4]:  # 遍历标签
        if j == x1:  # 如果标签一样
            c = c + 1  # 计数加一
    pk1 = c / len(D[4])  # 第一类标签的频率
    if pk1 == 0 or pk1 == 1:  # 如果有0（防止log 0）
        return 0  # 信息熵为 0
    x1 = x[1]  # D中样本标签第二类
    c = 0  # 计数
    for j in D[4]:  # 遍历标签
        if j == x1:  # 如果标签一样
            c = c + 1  # 计数加一
    pk2 = c / len(D[4])  # 第二类标签的频率
    if pk1 + pk2 == 1:  # 没有其他标签
        return -(pk1 * math.log(pk1, 2) + pk2 * math.log(pk2, 2))  # 只有两种标签
    pk3 = 1 - pk1 - pk2
    return -(pk1 * math.log(pk1, 2) + pk2 * math.log(pk2, 2) + pk3 * math.log(pk3, 2))  # 三种标签


def Gain(D, i, m, t):  # 求信息增益
    MaxG = 0  # 储存最大的信息增益
    Maxt = 0  # 储存最优的划分值
    EntD = Ent(D)  # 避免重复计算
    sumG = 0  # 划分后信息熵
    for j in D[i]:  # 遍历所有属性
        sumG = 0  # 划分后信息熵
        Dv1 = [[], [], [], [], []]  # 以j划分，左边的子集
        Dv2 = [[], [], [], [], []]  # 以j划分，右边的子集
        deDv(D, i, j, Dv1, Dv2)  # 得到Dv
        if len(Dv1[0]) != 0:
            sumG = sumG + len(Dv1[0]) / len(D[0]) * Ent(Dv1)  # 求划分后Dv1信息熵
        if len(Dv2[0]) != 0:
            sumG = sumG + len(Dv2[0]) / len(D[0]) * Ent(Dv2)  # 求划分后Dv2信息熵
        sumG = EntD - sumG  # 求划分后信息增益
        if MaxG < sumG:  # 找最大的信息增益
            MaxG = sumG  # 最大信息增益
            Maxt = j  # 最大划分值
    m.append(MaxG)  # m加上最大信息增益
    t.append(Maxt)  # t加上最优划分值


def TreeGenerate(D):  # 递归生成决策树
    y = []  # 生成节点
    if len(set(D[4])) == 1:  # 如果里面节点类型一样
        return D[4][0]  # 返回这个值
    Gm = []  # 分类的信息增益
    Gt = []  # 分类的数值
    for i in range(4):
        Gain(D, i, Gm, Gt)  # 计算所有的信息增益
    Gm = Gm.index(max(Gm))  # 得到a*位置的下标(最优划分属性)
    Gt = Gt[Gm]  # 得到a*最优划分属性的划分值(最优划分值)
    y.append(Gm)
    y.append(Gt)
    Dv1 = [[], [], [], [], []]  # 以属性Gm中的Gt划分，左边的子集
    Dv2 = [[], [], [], [], []]  # 以属性Gm中的Gt划分，右边的子集
    deDv(D, Gm, Gt, Dv1, Dv2)  # 得到Dv
    y1 = []  # 生成分支
    if len(Dv1) == 0:  # Dv1为空
        y1.append(max(D[4], key=D[4].count))  # D中最多的取值
    else:
        y1.append(TreeGenerate(Dv1[:]))  # 递归调用
    y.append(y1)
    y1 = []  # 生成分支
    if len(Dv2) == 0:  # Dv2为空
        y1.append(max(D[4], key=D[4].count))  # D中最多的取值
    else:
        y1.append(TreeGenerate(Dv2[:]))  # 递归调用
    y.append(y1)
    return y


def panduan(D, y, i):
    if isinstance(y, int):  # 如果是数字，说明是结果
        return y  # 返回结果
    x = D[y[0]]  # 取分类列
    if x[i] >= y[1]:
        y1 = y[2][0]  # 取分支
        return panduan(D, y1, i)  # 递归分支
    else:
        y1 = y[3][0]  # 取分支
        return panduan(D, y1, i)  # 递归分支


def wucha(D, y):  # 计算分类误差
    c = 0  # 误差数
    for i in range(len(D[0])):
        if panduan(D, y, i) != D[4][i]:  # 决策树判断不等于标签
            print(D[0][i], D[1][i], D[2][i], D[3][i], D[4][i], panduan(D, y, i))
            c = c + 1  # 误差数加一
    return c / len(D[0])  # 返回误差比例


f = open('Iris.txt', 'r')  # 读文件
x = [[], [], [], [], []]  # 花朵属性，(0,1,2,3),花朵种类
x1 = [[], [], [], [], []]
x2 = [[], [], [], [], []]
y = []  # 分支节点[分支类，[分支节点1],[分支节点2]···]  递归决策树
y1 = []
while 1:
    yihang = f.readline()  # 读一行
    if len(yihang) <= 1:  # 读到末尾结束
        break
    fenkai = yihang.split('\t')  # 按\t分开
    for i in range(5):  # 分开的五个值
        x[i].append(eval(fenkai[i]))  # 化为数字加到x中
print('数据集===============================================')
print(len(x[0]))
for i in range(len(x)):
    print(x[i])
x1 = x[:]
print('全训练决策树===============================================')
y = TreeGenerate(x1[:])  # 开始训练
print(y, '\n递归[属性，分类值，第一类，第二类]')
print('误差率：', wucha(x[:], y[:]) * 100, '%')
print('2/3训练决策树==============================================')
l = list(range(150))  # 得到一个顺序序列
random.shuffle(l)  # 打乱序列
x1 = [[], [], [], [], []]
x2 = [[], [], [], [], []]
for i in l[0:100]:  # 截取部分训练集
    for j in range(len(x)):  # D属性遍历
        x1[j].append(x[j][i])  # D的属性加到v1上
for i in l[100:150]:  # 截取部分训练集
    for j in range(len(x)):  # D属性遍历
        x2[j].append(x[j][i])  # D的属性加到v1上
y1 = TreeGenerate(x1)  # 开始训练
print(y1, '\n递归[属性，分类值，第一类，第二类]')
print('误差率：', wucha(x2[:], y1[:]) * 100, )

三、结果

由于随机选取数据，2/3训练决策树结果可能不一样

 

i道i
关注
  • 4
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
决策树实现对鸢尾花分类
07-15
实现决策树对鸢尾花进行分类，决策树进行了可视化，分别使用了图片和pdf进行显示，相关代码下载即可运行。
ID3决策树算法-iris数据集-matlab实现-决策树绘制
09-03
此程序主要实现对数据的加载和处理，首先加载数据，本算法选择的数据集是鸢尾花数据集，加载的数据形式是元胞数组，本程序先把其转换成字符串数组，后对字符串数组进行处理，将数据部分和标签部分分隔开，数据部分转换成数组形式，标签部分则对应存储于字符串数组中。然后对数据创建决策树，结果存储于结构体中，后计算算法的准确率。最后将结构体数据转换成元胞数据，转换成treeplot系统函数能识别的数据形式，并绘制决策树。
基于机器学习的Iris花卉数据分类matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
03-05 1715
Iris数据集是机器学习领域中的一个经典数据集，它包含了三种不同类型的鸢尾花（Iris）的四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。基于这些特征，我们可以利用机器学习算法对鸢尾花的种类进行分类。Iris数据集是统计学家Ronald Fisher于1936年引入的经典多类分类问题的数据集，包含150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）以及一个标签（鸢尾花种类：Setosa、Versicolour或Virginica）。
基于决策树的鸢尾花分类
04-21
决策树莺尾花
jupyter认识————python·jupyter系列1
weixin_42409245的博客
08-24 3701
此篇主要介绍什么是jupyter，什么情况下适合使用jupyter
决策树鸢尾花算法讲解
欢迎来到爱吃熊掌的鱼的博客
04-05 2930
决策树是一种常见的分类算法，它可以用于解决许多机器学习问题，例如分类和回归。而鸢尾花（Iris）数据集则是一个非常经典的数据集，用于分类问题的学习和演示。鸢尾花数据集包含三种不同种类的鸢尾花，即山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。每种鸢尾花都有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。数据集中共有150个样本，每个样本包含这四个特征的测量值以及该样本所属的鸢尾花种类。
鸢尾花数据集决策树模型
03-11
我选用了一个经典数据集来展示如何构建一个决策树模型，这个数据集是——Iris 鸢尾花数据集。里面有我进行数据预处理，分析，优化参数，训练模型以及最终分析决策树的代码。
鸢尾花的数据集的决策树
weixin_44274975的博客
07-15 482
决策树--鸢尾花
zyoulanxin的博客
10-12 574
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl from sklearn import tree from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.pipeline import Pipel
决策树模型——鸢尾花分类
pillow的博客
02-26 2万+
构建一个决策树分类模型，实现对鸢尾花的分类 1.lris数据集介绍： 鸢尾花数据集是机器学习领域中非常经典的一个分类数据集。数据集全名为：Iris Data Set，总共包含150行数据。 每一行由4个特征值及一个目标值（类别变量）组成。 其中4个特征值分别是：萼片长度、萼片宽度、花瓣长度、花瓣宽度 目标值为3种不同类别的鸢尾花：山鸢尾、变色鸢尾、维吉尼亚鸢尾 2.读取数据 Iris...
用sklearn决策树对鸢尾花数据分类
qq_44630529的博客
10-02 1048
from sklearn.tree import DecisionTreeClassifier from sklearn import datasets from sklearn.cross_validation import train_test_split iris = datasets.load_iris() x = iris.data y = iris.target train_x, te...
python利用c4.5决策树对鸢尾花卉数据集进行分类（iris）
05-27
python利用c4.5决策树对鸢尾花卉数据集进行分类（iris），包含可视化的决策树表
决策树 基于鸢尾花数据集的分类.rar
最新发布
03-14
决策树算法 分类树基于鸢尾花数据集的预测
一文弄懂Jupyter的配置与使用(呕心沥血版)
热门推荐
欢迎自九陌而来的你做客九陌斋！
04-26 2万+
本文从Jupyter的安装、配置、界面讲解、主题设置、基础使用、实战代码等角度下手，详细的阐述了相关的流程和知识点，如果你是小白，看完就恍然大明白了，收藏吃灰吧！
利用python决策树分析iris数据及树状图绘制
weixin_44510920的博客
10-10 2317
这里写自定义目录标题数据说明新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 数据说明 数据来源： 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细
【Python相关】开启jupyter远程登录服务
Chaos的博客
12-06 8371
jupyter notebook 在机器学习场景中经常会用到，可以用一种可视化的方式运行python程序，但是一般都是以服务器跑深度学习代码炼丹的，而服务器一般都在机房里面，只能通过网络远程访问。这个时候如果还想使用到方便的jupyter notebook就需要开启jupyter notebook的远程访问服务。
用c++从头开始实现决策树
deephub
05-24 5128
Python已经成为数据科学的语言之王。大多数新的数据科学家和程序员继续学习Python作为他们的第一门语言。这是有充分理由的;Python具有较浅的学习曲线、强大的社区和丰富的数据科学库生态系统。 我用Python开始了我的数据科学之旅，它仍然是我解决数据科学问题最常用的工具。我很想更好地理解Python从您那里抽象出了什么，以及用性能更高的语言编写更快代码的成本与好处。 为了有代表性地介绍c++，我需要一个代表性的应用程序，c++将是一个合适的选择。从头实现一个分类决策树分类器似乎是一个适当的挑战。这已
python决策树分类鸢尾花_【sklearn决策树算法】DecisionTreeClassifier(API)的使用以及决策树代码实例 - 鸢尾花分类...
weixin_42510201的博客
02-10 2406
决策树算法决策树算法主要有ID3, C4.5, CART这三种。ID3算法从树的根节点开始，总是选择信息增益最大的特征，对此特征施加判断条件建立子节点，递归进行，直到信息增益很小或者没有特征时结束。信息增益：特征 A 对于某一训练集 D 的信息增益 \(g(D, A)\) 定义为集合 D 的熵 \(H(D)\) 与特征 A 在给定条件下 D 的熵 \(H(D/A)\) 之差。熵(Entropy)是...
数据挖掘算法和实践（二）：决策树（iris鸢尾花数据集）
叶子叶来
04-26 1万+
决策树是直观运用概率分析的树形分类器，是很常用的分类方法，属于监管学习，决策树分类过程是从根节点开始，根据特征属性值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。 比如说买瓜的时候，根据瓜的某些特征属性直观判断瓜的好坏，下图依次根据纹理清晰度、根蒂、色泽、触感4个进行分类，生活中我们会将某个最重要或最明显的分类属性放在第一位，然后是次重要属性，这很符合我们平常的判断思维，这就...
iris 鸢尾花数据集 xlsx决策树
10-16
您可以使用 pandas 库中的 read_excel() 方法读取 xlsx 文件，使用 scikit-learn 库中的 DecisionTreeClassifier() 方法构建决策树模型，然后使用 train_test_split() 方法将数据集分为训练集和测试集，最后使用 fit() 方法拟合模型并使用 predict() 方法进行预测。 以下是示例代码： ```python import pandas as pd from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split # 读取数据集 data = pd.read_excel('iris.xlsx') # 将数据集分为特征和标签 X = data.iloc[:, :-1] y = data.iloc[:, -1] # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 构建决策树模型 clf = DecisionTreeClassifier() # 拟合模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) # 输出准确率 print('Accuracy:', clf.score(X_test, y_test)) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值