scikit-学び、書き込みsklearn、Pythonはツールにオープンソースパッケージを学習言語ベースのマシンです。これはnumpyの、scipyのダウンロードとを介して行われ
、そのような効率的なアルゴリズムのためのライブラリ、およびカバーほぼすべての主要な機械学習アルゴリズムとしてPython matplotlibの数値計算。
http://scikit-learn.org/stable/index.html
必要なパッケージをインストールします。
ピップインストールnumpyのパンダmatplotlibのscikit-学ぶgraphvizのscipyのダウンロードjupyter
この例では、実行中jupyterに直接jupyter、コピーを実行します。
# - * -コーディング:UTF- 8 - * - からsklearnインポートツリー からload_wineをインポートsklearn.datasets からsklearn.model_selection輸入train_test_splitの ワイン = load_wine() プリント(wine.data.shape) プリント(wine.target) #如果ワインを是一张表、应该长这样: インポートパンダとしてのPd pd.concat([pd.DataFrame(wine.data)、pd.DataFrame(wine.target)]、軸 = 1 ) プリント(wine.feature_names) プリント(ワイン.target_names) Xtrain、XTEST、Ytrain、Ytest = train_test_split(wine.data、wine.target、test_size = 0.3 ) プリント(Xtrain.shape) プリント(Xtest.shape) CLF = tree.DecisionTreeClassifier(基準= " エントロピー" ) CLF = clf.fit(Xtrain、Ytrain) スコア = clf.score(XTEST、Ytest)#リターン予測精度の 印刷(スコア) にFEATURE_NAME = [ 「アルコール」、「リンゴ酸」、「グレー」、「灰色の基本的な」、「マグネシウム」、「総フェノール」、「フラボノイド」、「非フェノールフラボノイド」、'アントシアニン'、' 色強度'、' トーン'、' OD280 / od315希釈ワイン'、' プロリン' ] インポートGraphvizの dot_data = tree.export_graphviz(CLF 、FEATURE_NAMEに = FEATURE_NAMEに class_names、 = [ " ジン"、" シャーリー"、「ベルモダー」] 充填、 = 真 、丸みを帯びた=真 ) グラフ = graphviz.Source(dot_data) グラフ
結果:
(178、13 ) [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 ] [ ' アルコール'、' malic_acid '、' 灰'、' alcalinity_of_ash '、' マグネシウム'、' total_phenols '、' フラボノイド'、' nonflavanoid_phenols '、' プロアントシアニン'、' color_intensity '、' 色相'、'OD280 / od315_of_diluted_wines "、' プロリン' ] [ ' class_0 ' ' class_1 ' ' class_2 ' ] (124、13 ) (54、13 ) 0.9629629629629629
ここで参照するにはありませんjupyter学生:https://www.cnblogs.com/v5captain/p/6688494.html
機械学習はちょっと、それなしでは生きられません!