鸢尾花分类MATLAB实验报告,[机器学习实战-分类-决策树]-以鸢尾花分类实验为例...

整套流程：

1.数据获取，划分训练集测试集

2.模型训练->模型预测->模型评估

3.模型的保存与加载

4.模型可视化

iris数据集简介：共150条数据，三个类(分别：Setosa，Versicolour，Virginica。每个类50条数据)，4个维度特征(分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度)

数据源：https://archive.ics.uci.edu/ml/datasets/iris

"""1.数据获取，划分训练集测试集"""

from sklearn import datasets

from sklearn.model_selection import train_test_split

# 数据获取

iris = datasets.load_iris() # 加载 iris 数据集

iris_feature = iris.data # 特征数据

iris_target = iris.target # 分类数据

print('类别：',iris.target_names)

print('特征：',iris.feature_names)

# 划分训练集测试集: test_size测试集占比, random_stat为数据混乱程度

feature_train, feature_test, target_train, target_test = train_test_split(iris_feature, iris_target, test_size=0.33, random_state=42)

print(f'划分： 数据集{len(iris_target)}条(训练集{len(target_train)}条，测试集{len(target_test)}条)')

类别： ['setosa' 'versicolor' 'virginica']

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

划分： 数据集150条(训练集100条，测试集50条)

"""2.模型训练->模型预测->模型评估"""

from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import accuracy_score

# 模型训练

dt_model = DecisionTreeClassifier() # 所以参数均置为默认状态

dt_model.fit(feature_train,target_train) # 使用训练集训练模型

# 模型预测

predict_results = dt_model.predict(feature_test) # 使用模型对测试集进行预测

# 模型评估

print('精确率(Precision)：',accuracy_score(predict_results, target_test))

精确率(Precision)： 1.0

"""3.模型的保存与加载"""

import joblib

# 保存模型：用于以后预测

joblib.dump(dt_model, 'dt_model.pkl')

# 加载模型

new_dt_model = joblib.load('dt_model.pkl')

[注].模型可视化需安装graphviz软件，安装时勾选添加到Path，安装后命令行执行dot -c

官网下载地址：http://www.graphviz.org/

"""4.模型可视化"""

import graphviz

from sklearn import tree

dot_data = tree.export_graphviz(dt_model,

feature_names=['sepal length','sepal width','petal length','petal width'], # 特征名称

class_names=['setosa', 'versicolor', 'virginica'], # 目标变量的类别名

filled=True, rounded=True,

special_characters=True)

graph = graphviz.Source(source=dot_data,filename='iris_dt_model.gv',format='png',)

graph.render(cleanup=True) # 保存模型可视化为png图片

'iris_dt_model.gv.png'

[至此完结] Andy:2020-07-19 Q597966823