目录
一、使用Python开发工具,运行对iris数据进行分类的例子程序dtree.py,熟悉sklearn机器实习开源库。
二、登录https://archive-beta.ics.uci.edu/
三、使用sklearn机器学习开源库,使用决策树对breast-cancer-wisconsin.data进行分类。
一、使用Python开发工具,运行对iris数据进行分类的例子程序dtree.py,熟悉sklearn机器实习开源库。
导入相应的库并运行dtree.py,由于sklearn库里面已经有iris数据了,故不需要另外下载。
1. dtree.py
# import inline
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import tree
import matplotlib
# %matplotlib inline
# 生成所有测试样本点
def make_meshgrid(x, y, h=.02):
x_min, x_max = x.min() - 1, x.max() + 1
y_min, y_max = y.min() - 1, y.max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
np.arange(y_min, y_max, h))
return xx, yy
# 对测试样本进行预测,并显示
def plot_test_results(ax, clf, xx, yy, **params):
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
ax.contourf(xx, yy, Z, **params)
# 载入iris数据集
iris = datasets.load_iris()
# 只使用前面连个特征
X = iris.data[:, :2]
# 样本标签值
y = iris.target
# 创建并训练决策树
clf = tree.DecisionTreeClassifier()
clf.fit(X, y)
# 打印决策树
tree.plot_tree(clf)
title = 'DecisionTreeClassifier'
fig, ax = plt.subplots(figsize=(5, 5))
plt.subplots_adjust(wspace=0.4, hspace=0.4)
X0, X1 = X[:, 0], X[:, 1]
# 生成所有测试样本点
xx, yy = make_meshgrid(X0, X1)
# 显示测试样本的分类结果
plot_test_results(ax, clf, xx, yy, cmap=plt.cm.coolwarm, alpha=0.8)
# 显示训练样本
ax.scatter(X0, X1, c=y, cmap=plt.cm.coolwarm, s=20, edgecolors='k')
ax.set_xlim(xx.min(), xx.max()) # 设置x轴坐标的范围,范围由测试样本的最小和最大值确定
ax.set_ylim(yy.min(), yy.max()) # 设置y轴坐标的范围
ax.set_xlabel('x1') # 设置x轴的标签为'x1'
ax.set_ylabel('x2') # 设置y轴的标签为'x2'
ax.set_xticks(()) # 将x轴的刻度设置为空,即不显示刻度
ax.set_yticks(()) # 将y轴的刻度设置为空,即不显示刻度
ax.set_title(title) # 设置图形的标题为title变量的值
plt.show()
2. 运行截图
二、登录https://archive-beta.ics.uci.edu/
可以查看提供的各类公共数据源,找到Breast Cancer Wisconsin (Original)数据并下载。
也可以直接输入网址:
https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data(已经处理好的数据)和breast-cancer-wisconsin.names(对数据的说明,可以用写字体打开)
在我上传的资源可以免费下载!!解压即可用!!【在本文置顶】
下载后的数据如下:
三、使用sklearn机器学习开源库,使用决策树对breast-cancer-wisconsin.data进行分类。
Sklearn库里面已经有乳腺癌数据了,直接加载数据集。