机器学习编程练习——用决策树算法对鸢尾花数据进行分类_取出iris鸢尾花数据集前一百条数据记录,采用决策树机器学习算法进行分类-优快云博客

本文链接：https://blog.youkuaiyun.com/onesmile5137/article/details/98767537

这次编程练习应用决策树算法对鸢尾花数据集进行分类，模仿之前泰坦尼克号幸存者数据的分析。通过代码实现，成功生成了决策树图形，并在多次尝试后，以较短的时间完成了实验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本次练习是对上次练习（使用了泰坦尼克号幸存者数据）的模仿。

直接上代码

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn import tree
import numpy as np

#1.数据获取
iris = datasets.load_iris()
x = iris.data
y = iris.target
print(x.shape)

#2.数据预处理
#random_state：生成随机种子。生成该组随机数的编号，下次再次输入该编号，得到的随机分组是相同的
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=1)

#3.使用决策树对鸢尾花数据进行类别建模，预测
clf = DecisionTreeClassifier()
clf.fit(x_train,y_train)
y_predict = clf.predict(x_test)

#4.获取结果报告
print('Accracy:',clf.score(x_test,y_test))
print(classification_report(y_predict,y_test,target_names=['setosa', 'versicolor', 'virginica']))

#5.保存生成的决策树
with open("Decision_tree_iris.dot","w") as f:
    f = tree.export_graphviz(clf, out_file=f)

#6.用graphviz进行决策树图的输出
#进入cmd，切换到目标文件目录
#输入指令  dot -Tpdf Decision_tree_iris.dot -o output2.pdf