决策树算法简单应用

版权声明:本文为博主原创文章,欢迎转载。 https://blog.csdn.net/chengyuqiang/article/details/88797525

# -*- coding: utf-8 -*-

from sklearn import tree

# visualize code
from sklearn.externals.six import StringIO
import pydotplus

# 决策树算法
# 初步的两个特性的判断,[重量,表皮光滑度](对于水果,可以是:1=光滑,0=粗糙)
# 结论标签,1=苹果,0=橘子
features = [[140,1],[130,1],[150,0],[170,0],[150,1],[130,0]]
features_names = ['重量','表皮光滑度']
labels   = [0, 0, 1, 1, 0, 1]
label_name = ['橘子','苹果']

#调用决策树算法的核心语句
dt = tree.DecisionTreeClassifier()
dt= dt.fit(features, labels)

#测试数据,预测[200,1]
print(dt.predict([[200,1]]))
# 可以根据测试数据,得到预测的结果

# 此处添加三个"截止
# 移动标记来进行代码运行测试
dot_data = StringIO()
tree.export_graphviz(dt,
                        out_file = dot_data,
                        feature_names = features_names,
                        class_names   = label_name,
                        filled   = True, rounded = True,
                        impurity = False)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue().replace('helvetica','"Microsoft YaHei"'))
print(dot_data)

#graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
#下面解决Windows下乱码问题
graph = pydotplus.graph_from_dot_data(dot_data.getvalue().replace('helvetica','"Microsoft YaHei"'))
print(graph)
graph.write_pdf("basic.pdf")

从执行结果可以知道预测[200,1]为苹果

runfile('D:/ai/py/tensorflow-basic.py', wdir='D:/ai/py')
[0]
<_io.StringIO object at 0x000001D93B47CA68>
<pydotplus.graphviz.Dot object at 0x000001D93B905F98>

修改数据

features = [[140,1],[130,1],[150,0],[170,0],[150,1],[130,0]]
features_names = ['重量','表皮光滑度']
labels   = [0, 0, 1, 0, 0, 1]

则[200,0]的预测结果是[0]

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券