基于iris数据集实战sklearn决策树利用graphviz可视化

最新推荐文章于 2024-03-25 21:47:28 发布

t_dawei

最新推荐文章于 2024-03-25 21:47:28 发布

阅读量1.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习算法实现文章标签： iris 决策树机器学习 graphviz

本文链接：https://blog.youkuaiyun.com/qq_21272857/article/details/86502598

本文介绍了如何利用Python的sklearn库构建决策树，并通过graphviz进行可视化。首先，文章讲解了安装graphviz和pydotplus的步骤，接着提供了在Iris数据集上应用决策树的完整代码。最后，展示了决策树的可视化效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python库安装：

pip install graphviz
pip install pydotplus

graphviz安装：

下载地址：http://www.graphviz.org

完整代码实现

#!/usr/bin/python
# -*- coding: utf-8 -*-
# @author: T

from sklearn import datasets
from sklearn import model_selection
from sklearn import tree 
import pydotplus
import os
os.environ['PATH'] += os.pathsep + r'D:\graphviz-2\release\bin'

# 读取数据集
def readData():

	iris = datasets.load_iris()

	return iris.data, iris.target


def sklearn_tree(dataSet, target):
	# 数据划分
	train_x, test_x, train_y, test_y = model_selection.train_test_split(dataSet, target, test_size=0.1, random_state=0)
	# 定义决策树分类器 基尼指数
	clf = tree.DecisionTreeClassifier()
	# 训练分类器
	clf.fit(train_x, train_y)

	# 预测测试样本
	pre_y = clf.predict(test_x)

	print('预测结果：\n{}'.format(pre_y))
	print('实际结