数据挖掘第二章代码啦啦啦

# -*- coding: utf-8 -*- """ Created on Wed Mar 8 13:09:56 2023 @author: 数据挖掘课程组 """ from sklearn import datasets from sklearn import preprocessing from sklearn import tree #步骤1: 加载数据集 iris = datasets.load_iris() n_samples, n_features = iris.data.shape X = iris.data Y = iris.target print('步骤1：加载iris数据集') print('iris数据集中有%d个样本，%d个特征。' % (n_samples, n_features)) print('iris的前5个样本为:\n', X[0:5]) #步骤2: 数据预处理 min_max_scaler = preprocessing.MinMaxScaler() X_scale = min_max_scaler.fit_transform(X) print('步骤2：数据预处理') print('规范化后iris的前5个样本:\n', X_scale[0:5]) #步骤3: 使用决策树算法构建分类器模型 classifier = tree.DecisionTreeClassifier() classifier = classifier.fit(X, Y) #在训练集上训练 Y_predict = classifier.predict(X) #使用训练好的模型进行预测 print('步骤3：决策树模型构建…') #步骤4:模型的评估 accuracy = (Y == Y_predict).sum() / Y.shape[0] print('步骤4：模型评估') print("决策树在训练集上的分类准确度为: %.3f" % (accuracy*100))