使用sklearn包构建二元决策树预测红酒口感
2017-10-04 16:35
387 查看
《python机器学习预测分析核心算法》第六章
前面用惩罚线性回归模型构建过红酒口感预测模型,探索对红酒口感贡献最大属性排行,这里使用sklearn包的二元决策树来解决这个问题。
下载graphviz软件打开dot文件
前面用惩罚线性回归模型构建过红酒口感预测模型,探索对红酒口感贡献最大属性排行,这里使用sklearn包的二元决策树来解决这个问题。
# -*- coding:utf-8 -*- import urllib.request import numpy from sklearn import tree from sklearn.tree import DecisionTreeRegressor from sklearn.externals.six import StringIO from math import sqrt import matplotlib.pyplot as plot #从网页中读取数据 url="http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv" data=urllib.request.urlopen(url) #将数据中第一行的属性读取出来放在names列表中,将其他行的数组读入row中,并将row中最后一列提取 #出来放在labels中作为标签,并使用pop将该列从row去去除掉,最后将剩下的属性值转化为float类型存入xList中 xlist=[] labels=[] names=[] firstline=True for line in data: if firstline: names=line.strip().split(b';') firstline=False else: row=line.strip().split(b';') labels.append(float(row[-1])) row.pop() floatrow=[float(num) for num in row] xlist.append(floatrow) #统计行列数目 nrows=len(xlist) ncols=len(xlist[1]) #使用sklearn学习 winetree=DecisionTreeRegressor(max_depth=4) winetree.fit(xlist,labels) #输出训练完成的决策树进winetree.dot文件 with open("winetree2.dot",'w') as f: f=tree.export_graphviz(winetree,out_file=f)
下载graphviz软件打开dot文件
相关文章推荐
- 使用sklearn构建含有标量属性的决策树
- 使用python+sklearn的决策树方法预测是否有信用风险
- 随机森林算法构建红酒口感预测模型
- 使用sklearn与pybrain预测搜索相关性实战
- 【知识】如何使用Amazon Machine Learning构建机器学习预测模型
- 使用sklearn中的Iris植物分类数据集进行特征检验与预测分析
- 使用Titanic 数据集,通过特征筛选的方法一步步提升决策树的预测性能
- 《机器学习实战》学习笔记:绘制树形图&使用决策树预测隐形眼镜类型
- 使用带AdaBoost的决策树分类器预测房价
- 课程推荐 | 手把手教你如何使用TensorFlow构建英语单词发音预测系统
- 梯度提升&随机森林混杂算法预测红酒口感
- 使用决策树预测大盘指数
- python中使用超参数估计法结合特征筛选的方法提升决策树的预测性能
- 使用 sklearn 实现决策树
- Day Four——分别使用Keras和Sklearn训练模型预测结果
- 使用Spark Streaming + Kudu + Impala构建一个预测引擎
- 机器学习:浅析使用二元决策树进行回归分析
- 使用sklearn进行kaggle案例泰坦尼克Titanic船员获救预测
- 使用ID3算法构建决策树
- 使用Weka进行数据挖掘(Weka教程七)Weka分类/预测模型构建与评价