利用决策树进行企鹅分类

数据集：

数据集获取，百度网盘：

复制这段内容后打开百度网盘手机App，操作更方便哦链接:

网盘地址

https://pan.baidu.com/s/1i9PAcOQ9g15qtMyiCvl3lQ

提取码:6z30

上代码：

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
import seaborn as sns
import numpy as np
# 前三个函数是为了把.xlsx文件转化为.csv
def get_excel_sheet_list(filename):df = pd.read_excel(filename, sheet_name=None,engine='openpyxl')return df.keys()def get_excel_sheet_data(filename, sheetname=None):df = pd.read_excel(filename, sheet_name=sheetname,engine='openpyxl')dataList = df.to_dict(orient='records')  # 转换为列表return dataListdef file_trans(Read_filepath):sheet_list = get_excel_sheet_list(Read_filepath)file_list=[]for file in sheet_list:Save_filepath = file + '.csv'file_list.append(Save_filepath)sheetData = pd.DataFrame(get_excel_sheet_data(Read_filepath, file))if sheetData.empty:continuesheetData.to_csv(Save_filepath, index=False, mode='w', encoding='utf-8')return file_list# 补足缺省值和返回训练数据，切片
def getDataSet():Read_filepath = "../xiangmu/pythonProject/数据集_25.xlsx"list_file = file_trans(Read_filepath)df = pd.read_csv(list_file[0])# 所用的数据df_usage=df.iloc[:,:]df_usage.columns=['年龄','阶段','地区','文化程度','家庭教养','孩子性格','家庭情感','孩子应对','自我效能','交流情况','上网目的','创伤成长']df_index = df_usage.columns.values# df_usage = df_usage.reindex(np.random.permutation(df_usage.index))# print(df_index)# 数据转化为列表df_list=df_usage.values.tolist()return df_list,df_indexdef splitData(aaaaaaaaaa,bbbbbbbbbb):nrow = len(aaaaaaaaaa)ncol = len(bbbbbbbbbb)nxval=5test_data=[]train_data=[]for ixval in range(nxval):# 每一次循环将count置为零test_index = [a for a in range(nrow) if a % nxval == ixval]train_index = [a for a in range(nrow) if a % nxval != ixval]test_data = [aaaaaaaaaa[r] for r in test_index]train_data = [aaaaaaaaaa[r] for r in train_index]x_train=[]y_train=[]x_test=[]y_test=[]for i in test_data:x_test.append(i[:-1])y_test.append(i[-1])for j in train_data:x_train.append(j[:-1])y_train.append(j[-1])return x_train,y_train,x_test,y_testaa,bb=getDataSet()
x_train,y_train,x_test,y_test=splitData(aa,bb)
## 定义 决策树模型
clf = DecisionTreeClassifier(criterion='entropy',max_depth=10,min_samples_leaf=2,min_samples_split=2)
# 在训练集上训练决策树模型
clf.fit(x_train, y_train)## 在训练集和测试集上分布利用训练好的模型进行预测
train_predict = clf.predict(x_train)
test_predict = clf.predict(x_test)
from sklearn import metrics## 利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
print('训练准确率:',metrics.accuracy_score(y_train,train_predict))
print('测试准确率:',metrics.accuracy_score(y_test,test_predict))## 查看混淆矩阵 (预测值和真实值的各类情况统计矩阵)
confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test)
print('混淆矩阵:\n',confusion_matrix_result)# 利用热力图对于结果进行可视化
plt.figure(figsize=(8, 6))
sns.heatmap(confusion_matrix_result, annot=True, cmap='BrBG_r')
plt.xlabel('true')
plt.ylabel('predict')
plt.show()

结果：

准确率达到0.97，已经是很高的数值了

利用决策树进行企鹅分类相关推荐

基于决策树的企鹅分类（python）
实验目的采用决策树算法对企鹅进行分类源代码和数据集下载你可以在这里找到源代码和数据集.Github地址数据集介绍样本总数:344 7个特征变量(所在岛屿,嘴巴长度,嘴巴深度,脚蹼长度,身体体 ...
【机器学习】决策树案例一：利用决策树进行年龄与音乐类型喜好分类预测
利用决策树进行年龄与音乐类型喜好分类预测 1 利用决策树进行年龄与音乐类型喜好分类预测 1.1 导入模块与加载数据 1.2 划分数据 1.3 模型创建与训练 1.4 模型应用 1.5 模型可视化 1. ...
文本分类决策树 python_NLTK学习笔记(六):利用机器学习进行文本分类
关于分类文本,有三个问题怎么识别出文本中用于明显分类的特征怎么构建自动分类文本的模型相关的语言知识按照这个思路,博主进行了艰苦学习(手动捂脸..) 一.监督式分类:建立在训练语料基础上的分类 ...
【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 ...
【机器学习】决策树案例三：利用决策树进行泰坦尼克号事故人员存活分类预测
利用决策树进行泰坦尼克号事故人员存活分类预测 3 利用决策树进行泰坦尼克号事故人员存活分类预测 3.1 导入模块与加载数据 3.2 特征工程 3.3 划分数据 3.4 模型创建与应用 3.5 模型可视 ...
python利用决策树进行特征选择
python利用决策树进行特征选择(注释部分为绘图功能),最后输出特征排序: import numpy as np import tflearn from tflearn.layers.core im ...
Spark 数据挖掘 - 利用决策树预测森林覆盖类型
Spark 数据挖掘-利用决策树预测森林覆盖类型 1 前言预测问题记住一点:最垃圾的预测就是使用平均值,如果你的预测连比直接给出平均值效果都要差,那就省省吧! 统计学诞生一个多世纪之后,随着现在机器 ...
面向对象程序设计课程设计：利用决策树方法判定西瓜质量
目录第一章课程设计的目的及要求 1.1课程设计目标 1.2课程设计实验环境 1.3课程设计的预备知识 1.4课程设计要求第二章课程设计的内容 2.1c++语言程序设计--<利用决策树方法判定 ...
机器学习（五）常用分类模型（K最近邻、朴素贝叶斯、决策树）和分类评价指标
机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标文章目录机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标综述常用分类模型 K最近邻模型朴素贝叶 ...

利用决策树进行企鹅分类

利用决策树进行企鹅分类相关推荐

最新文章

热门文章