使用决策树算法对Iris数据构建决策树

一、导入类库

* 从sklearn中导入决策树模型，导入鸢尾花数据集

import pandas as pd 
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris # 数据集
from sklearn import tree # 决策树
from sklearn.model_selection import train_test_split

二、加载鸢尾花数据集，并分割数据集

iris = load_iris()
X_train,X_test,y_train,y_test = train_test_split(iris.data,iris.target,test_size = 0.20,random_state = 20)

X_train    划分出的训练集数据（返回值）
X_test    划分出的测试集数据（返回值）
y_train    划分出的训练集标签（返回值）
y_test    划分出的测试集标签（返回值）

test_size：若在0~1之间，为测试集样本数目与原始样本数目之比；若为整数，则是测试集样本的数目。
test_size = 0.20 测试集占比0.20  

这里的random_state就是为了保证程序每次运行都分割一样的训练集和测试集。
否则，同样的算法模型在不同的训练集和测试集上的效果不一样。
https://www.jianshu.com/p/4deb2cb2502f

小贴士：

 iris是一个字典，包含了数据、标签、标签名、数据描述等信息。可以通过键来索引对应的值  

# 查看iris字典里的所有键
dir(iris)

['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']

1、DESCR

# 鸢尾花数据集的描述说明信息
print(iris.DESCR)

:Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica
                
    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -0.4194
    petal length:   1.0  6.9   3.76   1.76    0.9490  (high!)
    petal width:    0.1  2.5   1.20   0.76    0.9565  (high!)
    ============== ==== ==== ======= ===== ====================

2、data

150个数据，每个数据都有四个维度的特征，每个特征都是连续数值

iris.data

 array([[5.1, 3.5, 1.4, 0.2],

           [6.5, 3. , 5.2, 2. ],
            .......

            [6.2, 3.4, 5.4, 2.3],

            [5.9, 3. , 5.1, 1.8]])

3、feature_names

四个特征的列名  分别是：花萼长度，花萼宽度、花瓣长度、花瓣宽度

['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)']

iris.feature_names

4、iris.filename

'D:\\anaconda\\lib\\site-packages\\sklearn\\datasets\\data\\iris.csv'

5、target

标签0，1，2对应三种不同的鸢尾花

iris.target

array([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])

6、 target_names

'setosa', 'versicolor', 'virginica'对应3种鸢尾花名字

iris.target_names

array(['setosa', 'versicolor', 'virginica'], dtype=' 
  

 三、构建并训练决策树模型

clf = tree.DecisionTreeClassifier() # 决策树分类器
# criterion 默认为‘gini’
clf = clf.fit(X_train,y_train)

 四、绘制决策树模型并进行数据预测

plt.figure(dpi=200)
# feature_names=iris.feature_names设置决策树中显示的特征名称
tree.plot_tree(clf,feature_names=iris.feature_names,class_names=iris.target_names)

花瓣长度 <= 2.6 -->class = setosa

假如有一朵新的鸢尾花，四个特征分别为6，5，5，2。用训练好的决策树判断他是属于哪一类鸢尾花？

1、

print('数据[6 5 5 2]data类别：',clf.predict([[6,5,5,2]]))

数据[6 5 5 2]data类别： [2]

2、 

print('测试集的标签：\n',y_test)

 [0 1 1 2 1 1 2 0 2 0 2 1 2 0 0 2 0 1 2 1 1 2 2 0 1 1 1 0 2 2]

 3、

print('模型的准确率为：','{0:.3f}'.format(clf.score(X_test,y_test)))

 模型的准确率为： 0.933

小收获： 

import numpy as np
a1 = np.array([[6,5,5,2],[1,2,3,4]]) # (2, 4)
print(a1)

a2 = np.array([6,5,5,2])
print(a2) # [6 5 5 2]
a2.shape # (4,)

a3 = a2.reshape(1,4)
print(a3.shape) # (1, 4)
print(a3) # [[6 5 5 2]]

五、代码：

import pandas as pd 
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris # 数据集
from sklearn import tree # 决策树
from sklearn.model_selection import train_test_split

iris = load_iris()
X_train,X_test,y_train,y_test = train_test_split(iris.data,iris.target,test_size = 0.20,random_state = 20)

clf = tree.DecisionTreeClassifier() # 决策树分类器
clf = clf.fit(X_train,y_train)

plt.figure(dpi=200)
tree.plot_tree(clf,feature_names=iris.feature_names,class_names=iris.target_names)


print('数据[6 5 5 2]data类别：',clf.predict([[6,5,5,2]]))