数据挖掘与实战源码纠错之第五章-决策树

Drgom

于 2019-11-29 14:51:09 发布

阅读量183

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/qq_43662627/article/details/103310588

python 专栏收录该内容

28 篇文章

订阅专栏

本文深入探讨了数据挖掘中的决策树算法，通过实例源码解析其工作原理，涵盖从数据预处理到构建决策树的全过程。读者将了解到决策树的构建步骤，包括特征选择、节点划分及剪枝策略，并能掌握如何识别和纠正实战中可能遇到的源码错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
from sklearn.tree import export_graphviz
from sklearn.externals.six import StringIO
from sklearn.tree import DecisionTreeClassifier as DTC
filename = 'E:/百度下载视频/Python数据分析与挖掘实战/chapter5/demo/data/sales_data.xls'
data = pd.read_excel(filename, index_col=u'序号')
data[data == u'好'] = 1
data[data == u'是'] = 1
data[data == u'高'] = 1
data[data != 1] = -1

x = data.iloc[:, :3].values.astype(int)
y = data.iloc[:, :3].values.astype(int)
dtc = DTC(criterion='entropy')
dtc.fit(x, y)
x = pd.DataFrame(x)
with open("E:/百度下载视频/Python数据分析与挖掘实战/chapter5/demo/data/tree.dot", 'w') as f:
    f = export_graphviz(dtc, feature_names=x.columns, out_file=f)