sklearn决策树 DecisionTreeClassifier建立模型，导出模型，读取

最新推荐文章于 2024-08-12 15:55:01 发布

zzllabcd

最新推荐文章于 2024-08-12 15:55:01 发布

阅读量1.1w

点赞数 2

分类专栏： python sklearn 机器学习决策树分类 DecistionTreeClassifier 文章标签： sklearn python 机器学习决策树分类 DecistionTreeClassif

本文链接：https://blog.csdn.net/zzllabcd/article/details/52779116

版权

本文演示了如何使用sklearn的DecisionTreeClassifier建立决策树模型，通过调整参数如最大深度和节点数。然后，模型被训练并保存为.dot文件和pickle文件，以便后续使用。此外，还展示了如何加载模型并进行预测，验证了模型的准确性。

摘要由CSDN通过智能技术生成

print(__doc__)

# Import the necessary modules and libraries
import numpy as np
import time
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import math
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import classification_report
from sklearn import tree

#set depth and node method for decision tree
def depthAndNode(dataSet):
    n = np.shape(dataSet)[0]
    depth = 6
    node = 1000
    if n >= 1000000000:
        depth = 20
    elif n >= 1000000 and n < 1000000000:
        depth = math.floor(math.log(n / 1000, 2))
    elif n < 1000000:
        depth_1 = math.log(n / 250, 2)
        depth_2 = math.log(n / 1000, 2)
        depth_min = math.floor(min(depth_1, depth_2))
        node = 250
        if depth_min < 6:
            depth = 6