机器学习算法实践：决策树 (Decision Tree)

is None:

tree = self.tree

content = 'digraph decision_tree {\n'

nodes, edges = self.get_nodes_edges(tree)

for node in nodes:

content += ' "{}" [label="{}"];\n'.format(node.id, node.label)

for edge in edges:

start, label, end = edge.start, edge.label, edge.end

content += ' "{}" -> "{}" [label="{}"];\n'.format(start.id, end.id, label)

content += '}'

return content

隐形眼镜数据生成Dot文件内容如下:

如许我们便可以应用Graphviz将决定计划树绘制出来

with open('lenses.dot', 'w') as f: 
 
    dot = clf.tree.dotify() 
 
    f.write(dot) 
 
 
dot -Tgif lenses.dot -o lenses.gif

效不雅如下:

应用生成的决定计划树进行分类

对未知数据进行猜测，主如果根据树中的节点递归的┞芬到叶子节点即可。z这里可以经由过程为递归进行优化，代码实现如下:

def classify(self, data_vect, feat_names=None, tree=None): 
 
    ''' 根据构建的决定计划树对数据进行分类 
 
    ''' 
 
    if tree is None: 
 
        tree = self.tree 
 
  
 
    if feat_names is None: 
 
        feat_names = self.feat_names 
 	
			 9/10   首页 上一页 7 8 9 10 下一页 尾页	
			

　　推荐阅读
　　手机只需发条消息即可开始大规模SQL注入攻击
            【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！

            SQL注入(SQLi)应用不安然 Web App 和数据库驱动的类似软件，采取或修改数据(如用户账户记录)，甚至在办事>>>详细阅读


本文标题：机器学习算法实践：决策树 (Decision Tree)
地址：http://www.17bianji.com/lsqh/36282.html
 1/2    1