Sklearn 成长之路（二）构建随机森林并处理Iris数据集

随机森林的简要解释

随机森林即采用构建多棵随机树的形式，让这些随机树同时并行处理一组数据，并对各个树的分类结果进行汇总并投票，最终返回随机森林的分类结果。

分类结果输出

传入数据集包含内容有： [‘data’, ‘target’, ‘target_names’, ‘DESCR’, ‘feature_names’]

训练集样本大小： (120, 4)

训练集标签大小： (120,)

测试集样本大小： (30, 4)

测试集标签大小： (30,)

模型测试集准确率为： 0.9333333333333333

特征重要程度为：

(‘sepal length (cm)’, 0.0915733052877204)

(‘sepal width (cm)’, 0.01876997123319593)

(‘petal length (cm)’, 0.44209219100019126)

(‘petal width (cm)’, 0.4475645324788924)

Show me the code

导包

# 数据集
from sklearn import datasets
# 随机森林模块
from sklearn.ensemble import RandomForestClassifier
# 训练集测试集分割模块
from sklearn.model_selection import train_test_split

import numpy as np
import matplotlib.pyplot as plt
           

获取数据

# 自定义导入数据集函数
def get_data(total_data):
    # 显示total_data包含的内容
    print("传入数据集包含内容有：", [x for x in total_data.keys()])
    # 样本
    x_true = total_data.data
    # 标签
    y_true = total_data.target
    # 特征名称
    feature_names = total_data.feature_names
    # 类名
    target_names = total_data.target_names
    
    return x_true, y_true, feature_names, target_names
           

主函数及调用

# 定义主函数
def main():
    # 利用自定义函数导入Iris数据集
    total_iris = datasets.load_iris()
    x_true, y_true, feature_names, target_names = get_data(total_iris)
    
    # 分割数据集
    rate_test = 0.2  # 训练集比例
    x_train, x_test, y_train, y_test = train_test_split(x_true,
                                                        y_true,
                                                        test_size= rate_test)
    print("\n训练集样本大小：", x_train.shape)
    print("训练集标签大小：", y_train.shape)
    print("测试集样本大小：", x_test.shape)
    print("测试集标签大小：", y_test.shape)

    # 实例化随机森林分类器
    clf = RandomForestClassifier()
    # 训练模型
    clf.fit(x_train, y_train)
    # 评价模型
    score = clf.score(x_test, y_test)
    print("\n模型测试集准确率为：", score)
    
    # 显示特征重要程度
    print("\n特征重要程度为：")
    info = [*zip(feature_names, clf.feature_importances_)]
    for cell in info:
        print(cell)
    
    
# 调用主函数
if __name__ == "__main__":
    main()