python機器學習-鳶尾花決策樹

決策樹API

• class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None)
  • 決策樹分類器
  • criterion:默認是’gini’系數，也可以選擇信息增益的熵’entropy’
  • max_depth:樹的深度大小
  • random_state:隨機數種子
• 其中會有些超參數：max_depth:樹的深度大小

#鳶尾花決策樹
def decision_iris():
    """
    用決策樹對鳶尾花進行分類
    :return:
    """
    #獲取數據集
    iris = load_iris()
    #划分數據集
    x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=22)
    #決策樹預估器
    estimator=DecisionTreeClassifier(criterion="entropy")#criterion默認為gini系數，此處選擇的為信息增益的熵
    #max_depth:樹深的大小,random_state：隨機數種子
    estimator.fit(x_train,y_train)
    #模型評估
    y_predict=estimator.predict(x_test)
    print("y_predict:\n",y_predict)
    print("直接對比真實值和預測值:\n",y_test==y_predict)
    score=estimator.score(x_test,y_test)
    print("准確率為：\n",score)
    #決策樹可視化
    export_graphviz(estimator,out_file="iris_tree.dot")