基于sklearn的决策树模型——以iris数据集为例

川长思鸟来 2024-03-27 09:31 71阅读 0赞

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类[多重变量分析][Link 1]的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的各50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。

该数据集包含了4个属性：

& Sepal.Length（花萼长度），单位是cm;

& Sepal.Width（花萼宽度），单位是cm;

& Petal.Length（花瓣长度），单位是cm;

& Petal.Width（花瓣宽度），单位是cm;

种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。

# -*- coding:utf-8 -*-
    # 导入决策树模型
    from sklearn import tree
    # 导入数据集
    from sklearn.datasets import load_iris
    # 导入数据集拆分模块
    from sklearn.model_selection import train_test_split
    # 导入准确率计算模块
    from sklearn.metrics import accuracy_score
    
    # 加载数据集
    iris = load_iris()
    # 查看数据集描述
    print(iris.DESCR)
    
    # 分割数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)
    
    # 训练模型
    clf = tree.DecisionTreeClassifier(criterion='entropy')
    clf.fit(x_train, y_train)
    
    # 预测
    y_pred = clf.predict(x_test)
    
    # 计算准确率
    score = accuracy_score(y_test, y_pred)
    print("准确率：", score)

[Link 1]: https://baike.baidu.com/item/%E5%A4%9A%E9%87%8D%E5%8F%98%E9%87%8F%E5%88%86%E6%9E%90/1617367?fromModule=lemma_inlink