决策树分类及可视化

该博客介绍了如何使用决策树进行癌症数据集的分类,并针对过拟合问题采取预剪枝策略。通过训练和测试数据集评估了模型的准确性,同时展示了决策树的可视化过程,包括特征重要性和树结构。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#对癌症数据集使用决策树分类

from sklearn.tree import DecisionTreeClassifier

cancer =load_breast_cancer()
X_train,X_test,y_train,y_test = train_test_split(cancer.data,cancer.target,stratify=cancer.target,random_state=42)
tree = DecisionTreeClassifier(random_state=0)
tree.fit(X_train,y_train)
print("Accuracy on training set:{:3f}".format(tree.score(X_train,y_train)))

print("Accuracy on testing set:{:3f}".format(tree.score(X_test,y_test)))

Accuracy on training set:1.000000
Accuracy on testing set:0.937063


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值