sklearn决策树算法实现

太过爱你忘了你带给我的痛 2022-03-02 04:16 302阅读 0赞

数据：[data.csv][] 密码：eorj  
代码：

from sklearn.feature_extraction import DictVectorizer
    import csv
    from sklearn import preprocessing
    from sklearn import tree
    import numpy
    
    #读入数据
    allElectronicsDate = open("D:\python project\decision Tree(决策树)\data.csv",'r',encoding='utf-8')
    reader = csv.reader(allElectronicsDate)
    headers = next(reader)
    #print(headers)
    featrueList = []
    lableList = []
    
    for row in reader:
        lableList.append(row[len(row)-1])
        rowDict = {}
        for i in range(1,len(row)-1):
            # print(row(i))
            rowDict[headers[i]] = row[i]
            # print(rowDict)
        featrueList.append(rowDict)
    print(featrueList)
    
    vec = DictVectorizer()
    dummyX = vec.fit_transform(featrueList).toarray()
    
    print("dummyX:"+str(dummyX))
    print(vec.get_feature_names())
    
    print("labList:"+str(lableList))
    
    lb = preprocessing.LabelBinarizer()
    dummyY = lb.fit_transform(lableList)
    print("dummyY:"+str(dummyY))
    
    clf = tree.DecisionTreeClassifier(criterion="entropy")
    clf = clf.fit(dummyX,dummyY)
    print("clf:"+str(clf))
    
    with open("data1.dot",'w')as f:
        f = tree.export_graphviz(clf,feature_names=vec.get_feature_names(),out_file=f)
    
    oneRowX = dummyX[0,:]
    print("oneRowX:"+str(oneRowX))
    
    newRowX = oneRowX
    newRowX[0] = 1
    newRowX[2] = 0
    tt = numpy.array(newRowX).reshape(1,-1)#数组转换
    # print("newRowX:"+str(newRowX))
    
    print(clf.predict(tt))

学习代码。

[data.csv]: https://pan.baidu.com/s/1EUS6qi2L8_RuvKIqwpUZJA

发表评论取消回复

表情：

评论列表（有 0 条评论，302人围观）

还没有评论，来说两句吧...

相关阅读

相关 Python学习教程：决策树算法（三）sklearn决策树实战

面有跟大家出过两期关于决策树算法的**Python学习教程**，伙伴们学了学了，今天来点实际的吧，实践一把！做个巩固！ Python有一个著名的机器学习框架，叫skle...

桃扇骨/ 2024年04月17日 14:02/ 0 赞/ 54 阅读

相关机器学习算法应用篇之决策树算法(sklearn)

从本篇文章开始，我将开始写机器学习算法的一系列文章，总结自己在学习应用机器学习算法过程中的学习经验与方法，主要利用工具是python的机器学习库sklearn。主要包括以下算法

桃扇骨/ 2022年06月05日 11:11/ 0 赞/ 498 阅读

相关决策树算法

ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属

雨点打透心脏的1/2处/ 2022年06月04日 06:44/ 0 赞/ 228 阅读

相关机器学习五(sklearn决策树——多分类)

1.前言 sklearn决策树分类，采用ID3算法，自带iris数据集(根据草的特征进行分类，有3类，用0、1、2标记)。 2.决策树绘制准备（1）下载安装gr

痛定思痛。/ 2022年05月21日 02:52/ 0 赞/ 331 阅读

相关 python决策树sklearn.tree、graphviz

![这里写图片描述][70] 根据天气的好坏、是否是周末、是否促销来判断销量的高低，对此使用决策树来决策数据预处理 import pandas as pd

古城微笑少年丶/ 2022年05月20日 01:20/ 0 赞/ 231 阅读

相关决策树算法的sklearn实现及其调参

回归决策树 import pandas as pd 导入房价数据 from sklearn.datasets.california_h

约定不等于承诺〃/ 2022年03月08日 04:10/ 0 赞/ 792 阅读

相关 sklearn决策树算法实现

数据：[data.csv][] 密码：eorj 代码： from sklearn.feature_extraction import DictVectorizer

太过爱你忘了你带给我的痛/ 2022年03月02日 04:16/ 0 赞/ 303 阅读

相关 python3 sklearn之决策树

1，问题描述：小王的目的是通过下周天气预报寻找什么时候人们会运动，以适时调整雇员数量。因此首先他必须了解人们决定是否运动的原因。在2周时间内我们得到以下记录: 天气状

红太狼/ 2022年01月17日 08:31/ 0 赞/ 248 阅读

相关决策树算法

决策树是怎么回事？其实就是对实例进行分类的树形结构。决策树由节点（node）和有向边（directed edge）组成。节点包括内部节点（internal node）和

冷不防/ 2021年12月14日 05:59/ 0 赞/ 314 阅读

相关通俗地说决策树算法（三）sklearn决策树实战

前情提要 [通俗地说决策树算法（一）基础概念介绍][Link 1] [通俗地说决策树算法（二）实例解析][Link 2] 上面两篇介绍了那么多决策树的知识，现在也是时

短命女/ 2021年10月29日 18:34/ 0 赞/ 299 阅读