现有鸢尾花数据集iris.data。Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度(sepal length)、花萼宽度(sepal width)、花瓣长度(petal length)、花瓣宽度(petal width),4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。
现需要进行如下实验:
1、使用pandas库读取数据集,得到相应矩阵,并进项相应的数据预处理:包括数据标准化与鸢尾花类别编码等。
2、采用决策树分类模型(DecisionTreeClassifier)训练鸢尾花数据集,测试集取30%,训练集取70%。
3、特征选择标准criterion请分别选择"gini"与“entropy”,在控制台分别打印出其测试集正确率。请问在iris.data数据及上,选择不同的特征选择标准,结果有无区别?
4、为了提升模型的泛化能力,请分别使用十折交叉验证,确定第三小问中两个决策树模型的参数max_depth(树的最大深度,该特征为最有效的预剪枝参数)与max_features(划分时考虑的最大特征数)的最优取值。max_depth取值范围为1-5,max_features的取值范围为1-4。请在控制台输出这两个参数的最优取值。
5、分别使用最优取值替换模型的参数设置。
6、为了更好的反应模型的预测能力,请在所有数据上使用sklearn的cross_val_score进行十折交叉验证,输出两个模型采用最优参数设置后的平均预测准确率,并在控制