网上做相册网站,外发加工单表格范本,图片展示类网站,北京网站建设降龙总结
本系列是机器学习课程的系列课程#xff0c;主要介绍机器学习中分类算法#xff0c;本篇为分类算法开篇与决策树部分。
本门课程的目标
完成一个特定行业的算法应用全过程#xff1a;
懂业务会选择合适的算法数据处理算法训练算法调优算法融合 算法评估持续调优工程…总结
本系列是机器学习课程的系列课程主要介绍机器学习中分类算法本篇为分类算法开篇与决策树部分。
本门课程的目标
完成一个特定行业的算法应用全过程
懂业务会选择合适的算法数据处理算法训练算法调优算法融合 算法评估持续调优工程化接口实现
机器学习案例
安装可视化库Graphviz
graphviz下载地址
下载后解压移动路径如下
D:\Graphviz-10.0.1-win64\bin添加环境变量
D:\Graphviz-10.0.1-win64\bin安装graphviz的python库
pip install graphviz0.20.1决策树代码
核心类
sklearn.tree.DecisionTreeClassifier(criterion’entropy’, max_depthNone, min_samples_split2, min_samples_leaf1, min_weight_fraction_leaf0.0, random_stateNone, max_leaf_nodesNone, )参考: https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier
完整代码
#引入load_iris
from sklearn.datasets import load_iris
#引入tree
from sklearn import tree
#用于画出图形
import graphviz
#在window设置graphviz的路径
import os
os.environ[PATH] os.pathsep D:\Graphviz-10.0.1-win64\bin#加载数据
iris load_iris()
#创建决策树分类器
clf tree.DecisionTreeClassifier()
#训练
clf clf.fit(iris.data, iris.target)print(iris.data[0:5])输出为 array([[5.1, 3.5, 1.4, 0.2], [4.9, 3. , 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1, 1.5, 0.2], [5. , 3.6, 1.4, 0.2] import joblib
joblib.dump(clf,tree.pkl)
tree joblib.load(tree.pkl)
tree.predict([[5.1, 3.5, 1.4, 0.2]])输出为 array([0])
#通过graphviz将模型保存
dot_data tree.export_graphviz(clf, out_fileNone,filledTrue, roundedTrue,
special_charactersTrue)
#设置graphviz的数据源
graph graphviz.Source(dot_data)
#显示图片
#graph.save()
graph输出为
确定方向过程
针对完全没有基础的同学们 1.确定机器学习的应用领域有哪些 2.查找机器学习的算法应用有哪些 3.确定想要研究的领域极其对应的算法 4.通过招聘网站和论文等确定具体的技术 5.了解业务流程查找数据 6.复现经典算法 7.持续优化并尝试与对应企业人员沟通心得 8.企业给出反馈
