随机森林分类和决策树的对比

%matplotlib inline
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_wine

wine = load_wine()
wine.data  # 特征矩阵，不能为一维，要和标签分开导入
wine.target  # 标签，必须为一维，要和特征矩阵分开导入

from sklearn.model_selection import train_test_split
Xtrain,Xtest,Ytrain,Ytest = train_test_split(wine.data,wine.target,test_size=0.3)

clf = DecisionTreeClassifier(random_state=0) # 实例化
rfc = RandomForestClassifier(random_state=0) # 实例化
clf = clf.fit(Xtrain,Ytrain)   # 训练集带入实例化后的模型去进行训练，使用的接口是fit
rfc = rfc.fit(Xtrain,Ytrain)   # 训练集带入实例化后的模型去进行训练，使用的接口是fit
score_c = clf.score(Xtest,Ytest)# 使用其他接口score将测试集导入我们训练好的模型，去获取我们希望获取的结果（score、Y_test）
score_r = rfc.score(Xtest,Ytest)# 使用其他接口score将测试集导入我们训练好的模型，去获取我们希望获取的结果（score、Y_test）

print(