这篇文章主要为大家详细介绍了python利用sklearn包编写决策树源代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
本文实例为大家分享了python编写决策树源代码，供大家参考，具体内容如下
因为最近实习的需要，所以用python里的sklearn包重新写了一次决策树。
工具：sklearn，将dot文件转化为pdf格式（是为了将形成的决策树可视化）graphviz-2.38，下载解压之后将其中的bin文件的目录添加进环境变量
源代码如下：
from sklearn.feature_extraction import DictVectorizer import csv from sklearn import tree from sklearn import preprocessing from sklearn.externals.six import StringIO from xml.sax.handler import feature_external_ges from numpy.distutils.fcompiler import dummy_fortran_file # Read in the csv file and put features into list of dict and list of class label allElectronicsData = open(r'E:/DeepLearning/resources/AllElectronics.csv', 'rt') reader = csv.reader(allElectronicsData) headers = next(reader) featureList = [] lableList = [] for row in reader: lableList.append(row[len(row)-1]) rowDict = {} #不包括len(row)-1 for i in range(1,len(row)-1): rowDict[headers[i]] = row[i] featureList.append(rowDict) print(featureList) vec = DictVectorizer() dummX = vec.fit_transform(featureList).toarray() print(str(dummX)) lb = pre<a style="color:transparent">来源gao*daima.com搞@代#码网</a>processing.LabelBinarizer() dummY = lb.fit_transform(lableList) print(str(dummY)) #entropy=>ID3 clf = tree.DecisionTreeClassifier(criterion='entropy') clf = clf.fit(dummX, dummY) print("clf:"+str(clf)) #可视化tree with open("resultTree.dot",'w')as f: f = tree.export_graphviz(clf, feature_names=vec.get_feature_names(),out_file = f) #对于新的数据怎样来查看它的分类 oneRowX = dummX[0,:] print("oneRowX: "+str(oneRowX)) newRowX = oneRowX newRowX[0] = 1 newRowX[2] = 0 predictedY = clf.predict(newRowX) print("predictedY: "+ str(predictedY))
这里的AllElectronics.csv，形式如下图所示：
今天早上好不容易将jdk、eclipse以及pydev装进linux，但是，但是，但是，想装numpy的时候，总是报错，发现是没有gcc，然后又去装gcc，真是醉了，到现在gcc还是没有装成功，再想想方法
以上就是python利用sklearn包编写决策树源代码的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python利用sklearn包编写决策树源代码
转载请注明原文链接：python利用sklearn包编写决策树源代码
