基于决策树的鸢尾花分类

原文链接：https://cloud.tencent.com/developer/article/1331931

本文经过潇洒坤重新编辑，感谢原文作者的辛勤工作。

1.数据集

Iris（鸢尾花）数据集是多重变量分析的数据集。

数据集包含150行数据，分为3类，每类50行数据。

每行数据包括4个属性：Sepal Length（花萼长度）、Sepal Width（花萼宽度）、Petal Length（花瓣长度）、Petal Width（花瓣宽度）。可通过这4个属性预测鸢尾花属于3个种类的哪一类。

样本数据局部截图：

Iris.png

获取150个样本数据的3种方法：

1.完整的样本数据Iris.csv文件下载链接: https://pan.baidu.com/s/16N0ivGWFrmc73ustPLWPZA 密码: ugun

2.数据集链接：https://gist.github.com/curran/a08a1080b88344b0c8a7

3.在sklearn的skleanrn库中自带了iris数据集，可以导入sklearn库的datasets文件，调用datasets文件中的load_iris方法就可以获得iris数据集。

本文采用的是第3种方法，直接从sklearn库中获取数据。

2.决策树分类代码

第1-3行代码导入库；第5-7行代码获取样本的特征x和分类结果y；

第9行代码划分训练集和测试集，比如关键字参数test_size=0.3表示测试集占总比例30%，如下图所示：

image.png

第11-14行代码是模型训练，第11行实例化DecisionTreeClassifier对象赋值给变量dt_model，第12行将训练集的特征和分类结果交给模型进行训练，使用的是DecisionTreeClassifier对象的fit方法。第13行使用DecisionTreeClassifier的predict方法对测试集进预测。第14行使用DecisionTreeClassifier对象的score方法对测试结果评分，需要填入2个参数：第1个参数是测试集的特征test_x，第2个参数是测试集的分类结果test_y。

最后3行代码打印预测结果，通过观察类别实际值test_y和类别预测值predict_y可以知道每个样本的预测情况。

from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
from sklearn.cross_validation import train_test_split

iris = datasets.load_iris()
x = iris.data
y = iris.target

train_x, test_x, train_y, test_y = \
    train_test_split(x, y, test_size=0.3, random_state=3)

dt_model = DecisionTreeClassifier()
dt_model.fit(train_x, train_y)
predict_y = dt_model.predict(test_x)
score = dt_model.score(test_x,test_y)

print(predict_y)
print(test_y)
print('得分：',score)

上面一段代码的运行结果：

0 0 0 0 0 2 1 0 2 1 1 0 1 1 2 0 1 2 2 0 2 2 2 1 0 2 1 1 2 1 0 0 2 1 0 0 2 0 2 1 2 1 0 0 2 得分： 0.933333333333