决策树
用sklearn写程序分为三步建立模型:
1.实例化,建立模型的对象,也就是用什么类
2.通过模型接口训练模型,也就是放入训练集训练
3.通过模型接口来提取信息
程序:
#1.引包
from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
# 2 导入数据集
wine = load_wine()
#3 分割数据集
Xtrain,Xtest,Ytrain,Ytest = train_test_split(wine.data,wine.target,test_size=0.3)
#4 实例化
clf = tree.DecisionTreeClassifier(criterion="entropy")# 用信息增益作为判断
#5 训练数据
clf =clf.fit(Xtrain,Ytrain)
#6 提取信息
score = clf.score(Xtest,Ytest)