#-*- coding: utf-8 -*-
#构建并测试CART决策树模型
import pandas as pd #导入数据分析库
from random import shuffle #导入随机函数shuffle,用来打乱数据
import matplotlib.pyplot as plt #导入Matplotlib
datafile = '../data/model.xls' #数据名
data = pd.read_excel(datafile) #读取数据,数据的前三列是特征,第四列是标签
#print(data)
# 电量趋势下降指标 线损指标 告警类指标 是否窃漏电
# 0 4 1 1 1
# 1 4 0 4 1
# 2 2 1 1 1
# 3 9 0 0 0
data = data.as_matrix() #将表格转换为矩阵
#print(data)
# [[4 1 1 1]
# [4 0 4 1]
# [2 1 1 1]
shuffle(data) #随机打乱数据
p = 0.8 #设置训练数据比例
train = data[:int(len(data)*p),:] #前80%为训练集
test = data[int(len(data)*p):,:] #后20%为测试集
#构建CART决策树模型
from sklearn.tree import DecisionTreeClassifier #导入决策树模型
treefile = '../tmp/tree.pkl' #模型输出名字
tree = DecisionTreeClassifier() #建立决策树模型
tree.fit(train[:,:3], train[:,3]) #训练
#保存模型
from sklearn.externals import joblib
joblib.dump(tree, treefile)
来源:https://www.cnblogs.com/ggzhangxiaochao/p/9115273.html