數(shù)據(jù)挖掘技術(shù)與應(yīng)用加利福尼亞的房價決策樹數(shù)據(jù)分類實訓(xùn)實訓(xùn)目標(biāo)理解決策樹算法的核心步驟。利用Python實現(xiàn)算法應(yīng)用，提升編程技能。通過數(shù)據(jù)集的部分樣本訓(xùn)練構(gòu)造決策樹模型。調(diào)用構(gòu)建好的決策樹模型對測試集樣本進(jìn)行預(yù)測，并求出測試精度。實訓(xùn)環(huán)境使用3.6版本的Python。使用jupyternotebook或PyCharm2018社區(qū)版作為代碼編輯器。numpy、pandas、sklearn實訓(xùn)數(shù)據(jù)包含41項特征fetch_california_housing()加利福尼亞的房價數(shù)據(jù)，總計20640個樣本，每個樣本8個屬性表示，以及房價作為target，所有屬性值均為number。實訓(xùn)內(nèi)容導(dǎo)入必要的庫。導(dǎo)入數(shù)據(jù)集。獲取特征值。獲取標(biāo)簽。隨機(jī)劃分訓(xùn)練集和測試集創(chuàng)建模型對測試集進(jìn)行預(yù)測并將結(jié)果與label進(jìn)行對比，計算準(zhǔn)確度加利福尼亞的房價數(shù)據(jù)決策樹分類實現(xiàn)代碼導(dǎo)入包fromsklearn.model_selectionimporttrain_test_split,cross_val_scorefromsklearn.treeimportDecisionTreeClassifierfromsklearnimportdatasetsimportnumpyasnp數(shù)據(jù)說明：包含41項特征fetch_california_housing()加利福尼亞的房價數(shù)據(jù)，總計20640個樣本，每個樣本8個屬性表示，以及房價作為target，所有屬性值均為number。導(dǎo)入數(shù)據(jù)集boston=datasets.fetch_california_housing()獲取特征值，取前1000個樣本X=boston.data[:1000]獲取標(biāo)簽，取前1000個樣本Y=[1ify>2.5else0foryinboston.target[:1000]]隨機(jī)劃分訓(xùn)練集和測試集X_train,X_test,y_train,y_test=train_test_split(X,Y,random_state=0)創(chuàng)建模型model=DecisionTreeClassifier(random_state=5).fit(X_train,y_train)對測試集進(jìn)行預(yù)測pre=model.predict(X_test)并將結(jié)果與label進(jìn)行對比，計算準(zhǔn)確度print("準(zhǔn)確度為：{:.3f}".format(np.mean(pre==y_test)))pr