使用决策树对鸢尾花进行分类python

最新推荐文章于 2025-03-21 12:40:03 发布

「已注销」

最新推荐文章于 2025-03-21 12:40:03 发布

阅读量3.5k

点赞数 2

文章标签： python 决策树分类

本文链接：https://blog.youkuaiyun.com/qq_44425179/article/details/130378632

版权

本文介绍了使用Python的决策树进行鸢尾花数据分类的过程，包括数据读取、类别理解、数据可视化以及训练和分类。通过训练集和测试集划分，利用DecisionTreeClassifier构建模型，并探讨了关键参数如criterion、max_depth和min_samples_leaf等对模型的影响。此外，还讨论了评估指标accuracy_score和f1_score在模型性能评估中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

鸢尾花数据集介绍

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4X8jRzcC-1682471513133)(attachment:4DF91FF95586A48821F095FEB824B992.jpg)]

一：读取数据

from sklearn.datasets import load_iris
# 导入数据集Iris
iris = load_iris() #导入数据
iris_feature= iris.data #特征数据
iris_target = iris.target #分类数据
# print(iris.data)  # 输出数据

print(type(iris))
print(type(iris_feature))
print(type(iris_target))  # numpy 数据类型

<class 'sklearn.utils.Bunch'>
<class 'numpy.ndarray'>
<class 'numpy.ndarray'>

# numpy数据查看--索引
print(iris_feature[2])
print(iris_feature[2,1])

[4.7 3.2 1.3 0.2]
3.2

二：鸢尾花类别

target介绍

# print(iris.data)  # 输出数据
print(iris.target) #输出真实标签
print(len(iris.target)) #样本个数
print(iris.data.shape)

[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]
150
(150, 4)