机器学习--鸢尾花分类任务

1. 使用sklearn完成鸢尾花分类任务。

   相关知识

   为了完成本关任务，你需要掌握如何使用sklearn提供的DecisionTreeClassifier。

   数据简介

   
   

   鸢尾花数据集是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于(Setosa，Versicolour，Virginica)三个种类中的哪一类(其中分别用0，1，2代替)。

   数据集中部分数据与标签如下图所示：

   
   

   
   

   DecisionTreeClassifier

   DecisionTreeClassifier的构造函数中有两个常用的参数可以设置：

   • criterion:划分节点时用到的指标。有gini（基尼系数）,entropy(信息增益)。若不设置，默认为gini
   • max_depth:决策树的最大深度，如果发现模型已经出现过拟合，可以尝试将该参数调小。若不设置，默认为None

   和sklearn中其他分类器一样，DecisionTreeClassifier类中的fit函数用于训练模型，fit函数有两个向量输入：

   • X：大小为[样本数量,特征数量]的ndarray，存放训练样本；

   • Y：值为整型，大小为[样本数量]的ndarray，存放训练样本的分类标签。

   DecisionTreeClassifier类中的predict函数用于预测，返回预测标签，predict函数有一个向量输入：

   • X：大小为[样本数量,特征数量]的ndarray，存放预测样本。

   DecisionTreeClassifier的使用代码如下：

   1. from sklearn.tree import DecisionTreeClassifier
   3. clf = tree.DecisionTreeClassifier()
   4. clf.fit(X_train, Y_train)
   5. result = clf.predict(X_test)

   编程要求

   补充python代码，实现鸢尾花数据的分类任务，其中训练集数据保存在./step7/train_data.csv中，训练集标签保存在。./step7/train_label.csv中，测试集数据保存在。./step7/test_data.csv中。请将对测试集的预测结果保存至。./step7/predict.csv中。这些csv文件可以使用pandas读取与写入。

   注意：当使用pandas读取完csv文件后，请将读取到的DataFrame转换成ndarray类型。这样才能正常的使用fit和predict。

   示例代码：

   1. import pandas as pd
   3. # as_matrix()可以将DataFrame转换成ndarray
   4. # 此时train_df的类型为ndarray而不是DataFrame
   5. train_df = pd.read_csv('train_data.csv').as_matrix()

   数据文件格式如下图所示:

   
   

   标签文件格式如下图所示:

   
   

   PS：predict.csv文件的格式必须与标签文件格式一致。

   测试说明

   只需将结果保存至./step7/predict.csv即可，程序内部会检测您的代码，预测准确率高于0.95视为过关。

代码一

import pandas as pd
from sklearn.tree import DecisionTreeClassifier

train_df = pd.read_csv('./step7/train_data.csv').as_matrix()
train_label = pd.read_csv('./step7/train_label.csv').as_matrix()
test_df = pd.read_csv('./step7/test_data.csv').as_matrix()

dt = DecisionTreeClassifier()
dt.fit(train_df, train_label)
result = dt.predict(test_df)

result = pd.DataFrame({'target':result})
result.to_csv('./step7/predict.csv', index=False)

 

代码二

#********* Begin *********#

from sklearn.tree import DecisionTreeClassifier

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

# from sklearn.tree import DecisionTreeClassifier, export_graphviz

import numpy as np

import pandas as pd

#获取训练数据

train_data = pd.read_csv('./step7/train_data.csv')

#获取训练标签

train_label = pd.read_csv('./step7/train_label.csv')

train_label = train_label['target']

#获取测试数据

test_data = pd.read_csv('./step7/test_data.csv').as_matrix()

# train_df = pd.read_csv('train_data.csv').as_matrix()

#训练模型

# as_matrix()可以将DataFrame转换成ndarray

# 此时train_df的类型为ndarray而不是DataFrame

clf = DecisionTreeClassifier()

clf.fit(train_data,train_label)

#获取预测标签

predict = clf.predict(test_data)

#将预测标签写入csv

df = pd.DataFrame({'target':predict})

df.to_csv("./step7/predict.csv",index=False)

#********* End *********#