python 决策树_如何利用Python建立决策树模型?

Python的机器学习包中的DecisionTreeClassifier可以进行决策树分类。

1.输入数据集。

import pandas as pddf=pd.DataFrame({'name':['Lily','Lucy','Jim','Tom','Anna','Jack','Sam'],'weight':[42,38,78,67,52,80,92],'height':[162,158,169,170,166,175,178],'is_fat':[0,0,1,0,1,0,1]})

2.导入决策树工具包。

from sklearn.tree import DecisionTreeClassifier

3.准备训练集，is_fat为目标变量,'weight'和'height'为自变量。

X=df.loc[:,['weight','height']]

y=df['is_fat']

4.建立模型，并进行模型训练。

clf=DecisionTreeClassifier()

clf.fit(X,y)

5.利用模型进行预测。

y_pred=clf.predict(X)

print(y_pred)

6.根据预测结果绘制散点图。

import matplotlib.pyplot as plt

plt.figure()

df['is_fat_pred']=y_pred

df_0=df[df['is_fat_pred']==0]

df_1=df[df['is_fat_pred']==1]

plt.scatter(df_0['weight'],df_0['height'],c='y',s=50,label='normal')

plt.scatter(df_1['weight'],df_1['height'],c='lightblue',s=100,label='fat')

for k in range(len(X)): 

  plt.text(X['weight'][k],X['height'][k],df['name'][k]) #设置散点标签

  plt.legend() 

plt.show()