【机器学习】Python中的决策树算法探索
from sklearn.datasets import load_iris
from sklearn import tree
import graphviz
# 加载鸢尾花数据集
iris = load_iris()
# 创建决策树模型
model = tree.DecisionTreeClassifier()
# 训练模型
model.fit(iris.data, iris.target)
# 使用Graphviz将决策树可视化
dot_data = tree.export_graphviz(
model,
out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True,
rounded=True,
special_characters=True
)
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree")这段代码使用了sklearn库中的tree模块来训练一个决策树模型，并使用graphviz库将决策树可视化。首先加载了鸢尾花数据集，然后训练模型，最后将决策树以图形方式输出到文件。这个过程展示了如何在实践中应用机器学习算法，并且如何将其可视化以辅助理解。
评论已关闭