简单的python决策树案例

机器学习入门——决策树的实例

写文章的目的是为了巩固所学，和方便回顾查找。如有讲错的地方，欢迎指出，谢谢。

我们的数据集 tree(1).csv 长这样：

RID	age	income	student	credit_rating	buy
1	youth	high	no	fair	no
2	youth	high	no	excellent	no
3	middle_aged	high	no	fair	yes
4	senior	medium	no	fair	yes
5	senior	low	yes	fair	yes
6	senior	low	yes	excellent	no
7	middle_aged	low	yes	excellent	yes
8	youth	medium	no	fair	no
9	youth	low	yes	fair	yes
10	senior	medium	yes	fair	yes
11	youth	medium	yes	excellent	yes
12	middle_aged	medium	no	excellent	yes
13	middle_aged	high	yes	fair	yes
14	senior	medium	no	excellent	no

#导入必要的库
from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import preprocessing
from sklearn import tree

#加载数据文件
load_file = open(r'tree(1).csv')
reader = csv.reader(load_file)  #载入数据
headers = reader.__next__()   #读取第一行
print(headers)
#试着打印结果，也可以作为指标加载数据是否成功

打印结果:

['RID', 'age', 'income', 'student', 'credit_rating', 'class_buys_computer']

观察我们的数据，发现数据中的特征，例如：age:youth ..等，导入无法识别，因此需要对特征进行抽取，用到了DictVectorizer
DictVectorizer 使用可以参考这篇文章

说明： DictVectorizer的处理对象是符号化(非数字化)的但是具有一定结构的特征数据，如字典等，将符号转成数字0/1表示。

lables = []    #用于存储标记实例，也就是本例中的是否购入电脑
feature = []   #用于存储特征#reader返回的值是csv文件中每行的列表，将每行读取的值作为列表返回
for row in reader:lables.append(row[len(row)-1])features = {}for each in range(1,len(row)-1):features[headers[each]] = row[each]feature.append(features)vec = DictVectorizer()
x = vec.fit_transform(feature).toarray()
print('特征提取后的X'+'\n'+str(x))
# print(headers)
lab = preprocessing.LabelBinarizer()
y = lab.fit_transform(lables)
print('Y'+'\n'+str(y))

输出：

特征提取后的X
[[0. 0. 1. 0. 1. 1. 0. 0. 1. 0.][0. 0. 1. 1. 0. 1. 0. 0. 1. 0.][1. 0. 0. 0. 1. 1. 0. 0. 1. 0.][0. 1. 0. 0. 1. 0. 0. 1. 1. 0.][0. 1. 0. 0. 1. 0. 1. 0. 0. 1.][0. 1. 0. 1. 0. 0. 1. 0. 0. 1.][1. 0. 0. 1. 0. 0. 1. 0. 0. 1.][0. 0. 1. 0. 1. 0. 0. 1. 1. 0.][0. 0. 1. 0. 1. 0. 1. 0. 0. 1.][0. 1. 0. 0. 1. 0. 0. 1. 0. 1.][0. 0. 1. 1. 0. 0. 0. 1. 0. 1.][1. 0. 0. 1. 0. 0. 0. 1. 1. 0.][1. 0. 0. 0. 1. 1. 0. 0. 0. 1.][0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]
特征提取后的Y：
[[0][0][1][1][1][0][1][0][1][1][1][1][1][0]]

建立决策树模型

result = tree.DecisionTreeClassifier(criterion='entropy')
#使用特征选择标准为entropy,默认为基尼系数”gini”
result.fit(x,y)
# print('result'+str(result))
with open('tree1.dot','w') as f:f = tree.export_graphviz(result,out_file=f,feature_names=vec.get_feature_names())
#保存成文件

关于特征标准选择可以参考这篇文章

可以使用Graphviz工具可视化决策树（需要配置成环境变量才可以在控制台使用）
命令：dot -Tpdf tree1.dot -o pic.pdf
结果如下：

简单的python决策树案例相关推荐

python爬虫简单实例-最简单的Python爬虫案例，看得懂说明你已入门，附赠教程
原标题:最简单的Python爬虫案例,看得懂说明你已入门,附赠教程这是最简单的Python爬虫案例,如果你能看懂,那么请你保持信心,因为你已经入门Python爬虫,只要带着信心和努力,你的技术能力在 ...
python 筛选提取连续多行_没有比这更简单的Python入门案例，用python打印你的宠物小精灵...
现在学习Python的人越来越多,但你会以怎样的方式开始编写你的第一个Python代码呢? 下面我教你一个简单的入门案例,很适合最开始的Python学习哦! 即将用到的Python基础语法是:prin ...
python决策树案例_决策树案例：基于python的商品购买能力预测系统
1 决策树/判定树(decision tree) 1 决策树(Dicision Tree)是机器学习有监督算法中分类算法的一种,有关机器学习中分类和预测算法的评估主要体现在:准确率:预测的准确与否是本 ...
python简单实例-python简单案例
广告关闭腾讯云双11爆品提前享,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高满返5000元! 一个简单的python资讯采集案例,列表页到详情页,到数据保存,保存为txt文档, ...
史上最简单的spark教程第二十三章-运行第一个机器学习Java和Python代码案例
[提前声明] 文章由作者:张耀峰结合自己生产中的使用经验整理,最终形成简单易懂的文章写作不易,转载请注明,谢谢! 代码案例地址: ?https://github.com/Mydreamandrea ...
python决策树剪枝_决策树剪枝算法的python实现方法详解
python 决策树怎样修剪枝剪枝是决策树停止分支的方法之一,剪枝有分预先剪枝和后剪枝两种.预先剪枝是在树的生长过程中设定一个指标,当达到该指标时就停止生长,这样做容易产生"爱已不在,却还 ...
数据分享|Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户...
原文链接:http://tecdat.cn/?p=23518 项目背景:银行的主要盈利业务靠的是贷款,这些客户中的大多数是存款大小不等的责任客户(存款人).银行拥有不断增长的客户(点击文末" ...
独家 | 如何用简单的Python为数据科学家编写Web应用程序？（附代码链接）
作者:拉胡尔·阿加瓦尔(Rahul Agarwal), Walmart 实验室的数据科学家翻译:陈之炎校对:闫晓雨本文约4300字,建议阅读10分钟. 本文阐述如何使用StreamLit创建支持 ...
rust python扩展_Rust语言优化Python性能案例
原标题:Rust语言优化Python性能案例导读:Python 被很多互联网系统广泛使用,但在另外一方面,它也存在一些性能问题,不过 Sentry 工程师分享的在关键模块上用另外一门语言 Rust ...

简单的python决策树案例

写文章的目的是为了巩固所学，和方便回顾查找。如有讲错的地方，欢迎指出，谢谢。

简单的python决策树案例相关推荐

最新文章

热门文章