紅酒數(shù)據(jù)決策樹分類_第1頁
紅酒數(shù)據(jù)決策樹分類_第2頁
紅酒數(shù)據(jù)決策樹分類_第3頁
紅酒數(shù)據(jù)決策樹分類_第4頁
紅酒數(shù)據(jù)決策樹分類_第5頁
已閱讀5頁，還剩12頁未讀， 繼續(xù)免費閱讀

付費下載

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

數(shù)據(jù)挖掘技術(shù)與應(yīng)用紅酒數(shù)據(jù)決策樹分類實訓(xùn)實訓(xùn)目標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)紅酒數(shù)據(jù)共178個樣本，代表了紅酒的三個檔次（分別有59，71，48個樣本），以及與之對應(yīng)的13維的屬性數(shù)。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。獲取標簽。隨機劃分訓(xùn)練集和測試集創(chuàng)建模型對測試集進行預(yù)測并將結(jié)果與label進行對比，計算準確度紅酒數(shù)據(jù)決策樹分類實現(xiàn)代碼導(dǎo)入數(shù)據(jù)包fromsklearn.model_selectionimporttrain_test_splitfromsklearn.treeimportDecisionTreeClassifierfromsklearnimportdatasetsimportnumpyasnp數(shù)據(jù)說明紅酒數(shù)據(jù)共178個樣本，代表了紅酒的三個檔次（分別有59，71，48個樣本），以及與之對應(yīng)的13維的屬性數(shù)。導(dǎo)入數(shù)據(jù)集wine=datasets.load_wine()獲取特征值X=wine.data獲取標簽Y=wine.target隨機劃分訓(xùn)練集和測試集X_train,X_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=6)創(chuàng)建模型model=DecisionTreeClassifier(random_state=5).fit(X_train,y_train)對測試集進行預(yù)測pre=model.predict(X_test)并將結(jié)果與label進行對比，計算準確度print("準確度為：{:.3f}".format(np.mean(pre==y_test)))print("準確度為

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論