在 Python 中执行决策树使用 Scikit 学习

决策树是一种流行的机器学习方法,用于分类和回归任务,它们易于解释,并能处理数字和绝对数据。在Python中,scikit-learn库提供了执行决策树的直截了当的方法。

开始于 Scikit 学习

执行决定树之前, 请确保您安装 scikit- learn 。您可以使用 pip 安装它 :

开始导入所需的库 :

例如,我们将使用Iris数据集,这是机器学习的经典:

接下来,将数据分为培训和测试组:

创建分类器实例并将其与培训数据匹配:

]]

在测试集上作出预测并评价准确性:

[]]

打印准确性 :

[]]

要直观决定树, 请使用导出 graphviz 函数 :

需要时安装图维兹 :

[]]

然后,生成并显示可视化:

[[FLT: 15]]]

[]]

打开环境的可视化来查看决定规则.

在 Python 中执行带有 scikit-learn 的判定树是直截了当和有效的,它们对于理解特征重要性和作出透明预测很有用。用不同的参数和数据集进行实验,以加深你对这个多功能算法的理解。