目录
1.目的
2.内容
2.1决策树分类模型
2.2K近邻分类模型
3.代码实现
3.1分类分析模型
3.2K近邻分类模型
1.目的
- 掌握利用Python语言及相关库编写决策树分类分析模型的方法，所构建的决策树能够对给定的数据集进行分类。
- 掌握利用Python语言及相关库编写K近邻分类分析模型的方法。
- 将分类结果与决策树的分类结果和构造算法过程进行比较。
2.内容
2.1决策树分类模型
1.数据集介绍
2.2K近邻分类模型
1.数据集介绍
我们通过构建一个KNN分类器，实现对鸢尾花数据集进行分类。
3.代码实现
3.1分类分析模型
1.数据集介绍
import csv
#定义数据
data = [
['RID', 'age', 'income', 'student', 'credit_rating', 'class_buys_computer'],
['1', 'youth', 'high', 'no', 'fair', 'no'],
['2', 'youth', 'high', 'no', 'excellent', 'no'],
['3', 'middle_aged', 'high', 'no', 'fair', 'yes'],
['4', 'senior', 'medium', 'no', 'fair', 'yes'],
['5', 'senior', 'low', 'yes', 'fair', 'yes'],
['6', 'senior', 'low', 'yes', 'excellent', 'no'],
['7', 'middle_aged', 'low', 'yes', 'excellent', 'yes'],
['8', 'youth', 'medium', 'no', 'fair', 'no'],
['9', 'youth', 'low', 'yes', 'fair', 'yes'],
['10', 'senior', 'medium', 'yes', 'fair', 'yes'],
['11', 'youth', 'medium', 'yes', 'excellent', 'yes'],
['12', 'middle_aged', 'medium', 'no', 'excellent', 'yes'],
['13', 'middle_aged', 'high', 'yes', 'fair', 'yes'],
['14', 'senior', 'medium', 'no', 'excellent', 'no'],
]
#打开文件以写入数据，使用'newline=''来避免额外的空行
with open('AllElectronics.csv', 'w', newline='') as csvfile:
writer = csv.writer(csvfile)
for row in data:
writer.writerow(row)2.代码实现
（1）导入库
from graphviz import Source
import pandas as pd
from sklearn import tree
from sklearn.feature_extraction import DictVectorizer
from sklearn import preprocessing（2）读取数据并进行相应的处理
data = pd.read_csv('AllElectronics.csv')
data = pd.DataFrame(data)
valuedata = data.values
header = list(data.columns)[1:6]
featureList = []
labelList = data['class_buys_computer']
for value in valuedata:
featureDict = {}
for i in range(4):
featureDict[header[i]]=value[i+1]
featureList.append(featureDict)（3）建立决策树
vec = DictVectorizer()
dummyX = vec.fit_transform(featureList).toarray()
lb = preprocessing.LabelBinarizer()
dummyY = lb.fit_transform(labelList)
clf = tree.DecisionTreeClassifier(criterion='entropy')
vec.get_feature_names()
print(vec.get_feature_names());（4）生成决策树图形
clf = clf.fit(dummyX, dummyY)
print(clf)
graph = Source(tree.export_graphviz(clf, feature_names=vec.get_feature_names(),
out_file=None))
print(graph)3.2K近邻分类模型
1.数据集介绍
2.代码实现
（1）导入库
（2）加载数据
import numpy as up
import pandas as pd
dataset = pd.read_csv('E:\大数据挖掘/Iris.csv')
dataset.shape
print(dataset)（3）数据预处理
（4）数据集切分：训练集和测试集
dataset.describe()
dataset.groupby('Species').size()
feature_columns = ['SepalLengthCm',
'SepalWidthCm',
'PetalLengthCm',
'PetalWidthCm']
X = dataset[feature_columns].values
y = dataset['Species'].values
le = LabelEncoder()
y = le.fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
plt.figure(figsize=(10,6))
（5）数据可视化探索
import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
import matplotlib.pylab as plt
import seaborn as sns
from pandas.plotting import parallel_coordinates
import matplotlib.pyplot as plt
dataset = pd.read_csv('E:\大数据挖掘/iris.csv')
dataset.shape
dataset.describe()
dataset.groupby('Species').size()
feature_columns = ['SepalLengthCm',
'SepalWidthCm',
'PetalLengthCm',
'PetalWidthCm']
X = dataset[feature_columns].values
y = dataset['Species'].values
le = LabelEncoder()
y = le.fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
plt.figure(figsize=(10,6))
parallel_coordinates(frame=dataset, class_column="Species")
plt.title('Parallel Coordinates Plot', fontsize=15, fontweight='bold')
plt.xlabel('Features', fontsize=10)
plt.ylabel('Features values', fontsize=10)
plt.legend(loc=1, prop={'size': 10}, frameon=True, shadow=True, facecolor='white', edgecolor='black')
plt.show()（6）实现KNN分类模型
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import confusion_matrix,accuracy_score
from sklearn.model_selection import cross_val_score
classifier = KNeighborsClassifier(n_neighbors=3)
classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
cm = confusion_matrix(y_test, y_pred)
cm
print(cm)
accuracy=accuracy_score(y_test, y_pred)*100
print('模型准确率为：'+str(round(accuracy, 2))+'%.')
（7）使用交叉验证进行参数优化
k_list=list=(range(1,50,2))#三个参数代表range;开始，结束，步长
cv_scores=[]
for k in k_list:
knn=KNeighborsClassifier(n_neighbors=k)
scores=cross_val_score(knn, X_train, y_train, cv=10, scoring='accuracy')
cv_scores.append(scores.mean())（8）可视化结果
（9）得出最优值
MSE=[1-x for x in cv_scores]
plt.figure()
plt.figure(figsize=(10, 6))
plt.title('the optimal number of neighbors', fontsize=15, fontweght='bold')
plt.xlabel('Number of neighbors K', fontsize=10)
sns.set_style("whitegrid")
plt.plot(k_list, MSE)
plt.sho
best_k=k_list[MSE.index(min(MSE))]
print("最优近邻数K为：%d"%best_k)
