鸢尾花数据集简介

Iris数据集作为入门经典数据集。Iris数据集是常用的分类实验数据集，早在1936年，模式识别的先驱Fisher就在论文The use of multiple measurements in taxonomic problems中使用了它 (直至今日该论文仍然被频繁引用)。
Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性：花萼长度(sepal length)，花萼宽度(sepal width)，花瓣长度(petal length)，花瓣宽度(petal width)，可通过4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。在三个类别中，其中有一个类别和其他两个类别是线性可分的。
在sklearn中已内置了此数据集。

代码

import pandas as pd
import pydotplus
import numpy as np
from IPython.display import Image, display
from sklearn import preprocessing
from sklearn import tree
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
%matplotlib inline
from matplotlib.colors import ListedColormap# 载入数据
iris = load_iris()
# 构建决策树
clf = tree.DecisionTreeClassifier(max_depth=5)# 深度为4层时有1个结果仍然模糊，5层就足够
clf = clf.fit(iris.data, iris.target)
# 数据可视化
dot_data = tree.export_graphviz(clf,out_file = None,feature_names = iris.feature_names,class_names = iris.target_names,filled=True,rounded=True)
graph = pydotplus.graph_from_dot_data(dot_data)
display(Image(graph.create_png()))# 整个数据集分类结果可视化
x=iris.data[:,2:4]   # 取出花瓣的长和宽
y=iris.target       # 取出标签#计算散点图的坐标上下界
x_min,x_max=x[:,0].min() -0.5, x[:,0].max()+0.5
y_min, y_max=x[:,1].min()-0.5, x[:,1].max()+0.5
#绘制边界
cmap_light=ListedColormap(['#AAAAFF','#AAFFAA','#FFAAAA'])
h=0.02
xx,yy=np.meshgrid(np.arange(x_min,x_max,h),np.arange(y_min,y_max,h))clf = tree.DecisionTreeClassifier(max_depth=5)
clf = clf.fit(x, y)
Z=clf.predict( np.c_[xx.ravel(),yy.ravel()])
Z=Z.reshape(xx.shape)plt.figure()
plt.pcolormesh(xx,yy,Z,cmap=cmap_light)plt.scatter(x[:,0],x[:,1],c=y)plt.xlim( xx.min(), xx.max() )
plt.ylim( yy.min(),yy.max() )
plt.show()

结果展示

一点小提示

在Python中使用pydotplus绘制决策树图形时，需要用到GraphViz模块，我用的是Anaconda，直接在Anaconda下安装运行结果报异常，无法找到GraphViz模块，后查找到用下载GraphViz模块，一般下载该模块的stabel版本，并将其添加到环境变量中来。然后在python下安装pydotplus，运行代码正常得到结果。
大家可参考:pydotplus安装和基本入门

鸢尾花决策树分类及可视化相关推荐

决策树可视化：鸢尾花数据集分类(附代码数据集)
决策树数据集实战可视化评价决策树是什么?决策树(decision tree)是一种基本的分类与回归方法.举个通俗易懂的例子,流程图就是一种决策树. 有没有车,没车的话有没有房,没房的话有没有 ...
python决策树分类鸢尾花_基于决策树—鸢尾花分类
决策树算法广泛应用于:语音识别.医疗诊断.客户关系管理.模式识别.专家系统等,在实际工作中,必须根据数据类型的特点及数据集的大小,选择合适的算法. 本文选择经典案例--<鸢尾花分类> 一. ...
python决策树分类导入数据集_BPNN、决策树、KNN、SVM分类鸢尾花数据集Python实现...
数据集处理数据获取使用sklearn的dataset获取数据 from sklearn import datasets from sklearn.model_selection import tr ...
数据分享|PYTHON用决策树分类预测糖尿病和可视化实例
全文下载链接:http://tecdat.cn/?p=23848 在本文中,决策树是对例子进行分类的一种简单表示.它是一种有监督的机器学习技术,数据根据某个参数被连续分割.决策树分析可以帮助解决分类和 ...
决策树算法之鸢尾花特征分类可视化详解【机器学习】
文章目录一.前言 1.1 本文原理 1.2 本文目的二.实验过程 2.1 使用scikit-learn机器学习包的决策树算法,使用4个特征对鸢尾花进行分类: 2.2使用ID3算法对天气与踢球数据集 ...
【机器学习】决策树案例二：利用决策树进行鸢尾花数据集分类预测
利用决策树进行鸢尾花数据集分类预测 2 利用决策树进行鸢尾花数据集分类预测 2.1 导入模块与加载数据 2.2 划分数据 2.3 模型创建与应用 2.4 模型可视化手动反爬虫,禁止转载: 原博地址 ...
（决策树，朴素贝叶斯，人工神经网络）实现鸢尾花数据集分类
from sklearn.datasets import load_iris # 导入方法类iris = load_iris() #导入数据集iris iris_feature = iris.data ...
机器学习（9）决策树（决策树分类鸢尾花）
目录一.基础理论二.决策树分类鸢尾花 API 1.读取数据 2.划分数据集 3.创建决策树预估器,训练 4.模型评估方法一:比对法方法二:计算错误率代码一.基础理论决策树思想: 程序设计 ...
Python决策树鸢尾花类别分类
Python决策树鸢尾花类别分类引入使用到的模块 #决策树鸢尾花类别 import sklearn.datasets as dSets import pandas as pd; import ma ...

鸢尾花决策树分类及可视化

鸢尾花数据集简介

代码

结果展示

一点小提示

鸢尾花决策树分类及可视化相关推荐

最新文章

热门文章