python-CART 分类树

最新推荐文章于 2023-09-23 10:28:42 发布

木星学习者

最新推荐文章于 2023-09-23 10:28:42 发布

阅读量552

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_42434645/article/details/97899629

本文通过使用sklearn库中的DecisionTreeClassifier实现CART分类树，对鸢尾花数据集进行分类预测。首先加载数据，然后将数据划分为训练集和测试集，接着创建并训练CART分类树模型，最后评估模型的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# encoding=utf-8
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
# 准备数据集
iris=load_iris()
# 获取特征集和分类标识
features = iris.data
labels = iris.target
# 随机抽取 33% 的数据作为测试集，其余为训练集
train_features, test_features, train_labels, test_labels = train_test_split(features, labels, test_size=0.33, random_state=0)
# 创建 CART 分类树
clf = DecisionTreeClassifier(criterion='gini')
# 拟合构造 CART 分类树
clf = clf.fit(train_features, train_labels)
# 用 CART 分类树做预测
test_predict = clf.predict(test_features)
# 预测结果与测试集结果作比对
score = accuracy_score(test_labels, test_predict)
print("CART 分类树准确率 %.4lf" % score)