训练决策树分类器

训练决策树分类器

训练决策树分类器

# 训练决策树分类器from sklearn.tree import DecisionTreeClassifierfrom sklearn import datasets#加载数据iris = datasets.load_iris()features = iris.datatarget = iris.targetprint(target)# 创建决策树分类器decisiontree = DecisionTreeClassifier(random_state=0)# 训练拟合 默认是 基尼系数model = decisiontree.fit(features, target)[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]预测# 样本observation = [[ 5, 4, 3, 2]]# 预测model.predict(observation)array([1])查看属于各个类的概率# 查看属于各个类的概率model.predict_proba(observation)array([[0., 1., 0.]])训练# 改变分类方式 使用entropydecisiontree_entropy = DecisionTreeClassifier( criterion='entropy', random_state=0)# 训练model_entropy = decisiontree_entropy.fit(features, target)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。