阅读量:3
目录
一、使用Python开发工具，运行对iris数据进行分类的例子程序dtree.py，熟悉sklearn机器实习开源库。
二、登录https://archive-beta.ics.uci.edu/
三、使用sklearn机器学习开源库，使用决策树对breast-cancer-wisconsin.data进行分类。
一、使用Python开发工具，运行对iris数据进行分类的例子程序dtree.py，熟悉sklearn机器实习开源库。
导入相应的库并运行dtree.py，由于sklearn库里面已经有iris数据了，故不需要另外下载。
1. dtree.py
# import inline import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn import tree import matplotlib # %matplotlib inline # 生成所有测试样本点 def make_meshgrid(x, y, h=.02): x_min, x_max = x.min() - 1, x.max() + 1 y_min, y_max = y.min() - 1, y.max() + 1 xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h)) return xx, yy # 对测试样本进行预测，并显示 def plot_test_results(ax, clf, xx, yy, **params): Z = clf.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) ax.contourf(xx, yy, Z, **params) # 载入iris数据集 iris = datasets.load_iris() # 只使用前面连个特征 X = iris.data[:, :2] # 样本标签值 y = iris.target # 创建并训练决策树 clf = tree.DecisionTreeClassifier() clf.fit(X, y) # 打印决策树 tree.plot_tree(clf) title = 'DecisionTreeClassifier' fig, ax = plt.subplots(figsize=(5, 5)) plt.subplots_adjust(wspace=0.4, hspace=0.4) X0, X1 = X[:, 0], X[:, 1] # 生成所有测试样本点 xx, yy = make_meshgrid(X0, X1) # 显示测试样本的分类结果 plot_test_results(ax, clf, xx, yy, cmap=plt.cm.coolwarm, alpha=0.8) # 显示训练样本 ax.scatter(X0, X1, c=y, cmap=plt.cm.coolwarm, s=20, edgecolors='k') ax.set_xlim(xx.min(), xx.max()) # 设置x轴坐标的范围，范围由测试样本的最小和最大值确定 ax.set_ylim(yy.min(), yy.max()) # 设置y轴坐标的范围 ax.set_xlabel('x1') # 设置x轴的标签为'x1' ax.set_ylabel('x2') # 设置y轴的标签为'x2' ax.set_xticks(()) # 将x轴的刻度设置为空，即不显示刻度 ax.set_yticks(()) # 将y轴的刻度设置为空，即不显示刻度 ax.set_title(title) # 设置图形的标题为title变量的值 plt.show() 2. 运行截图
二、登录https://archive-beta.ics.uci.edu/
可以查看提供的各类公共数据源，找到Breast Cancer Wisconsin (Original)数据并下载。
也可以直接输入网址:
https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data（已经处理好的数据）和breast-cancer-wisconsin.names（对数据的说明，可以用写字体打开）
在我上传的资源可以免费下载！！解压即可用
https://download.csdn.net/download/m0_67830223/89538918下载后的数据如下：
三、使用sklearn机器学习开源库，使用决策树对breast-cancer-wisconsin.data进行分类。
Sklearn库里面已经有乳腺癌数据了，直接加载数据集。
1. Python代码
2. 运行截图
