奇书网

第三节 识别毒蘑菇（第1页）

第三节识别毒蘑菇

Python的scikit-learn（简称sklearn）模块可以非常好地支持决策树分类，尽管它使用的是更加复杂的决策树算法，但依然是在上一节讲述的原理基础上的优化算法。本节将使用scikit-learn的决策树分类来识别“蘑菇数据”中的毒蘑菇。

首先介绍本案例使用的数据。原始数据来源于加州大学欧文分校用于机器学习的数据库（UCI数据库），本书使用的是经过必要处理的数据，此数据可从教材资源平台下载。

接下来在命令行界面安装scikit-learn。

pipinstall-uscikit-learn

安装scikit-learn之前需要确保模块numpy和scipy已经安装，否则可以使用pipinstall安装。

pipinstall-unumpy

pipinstall-uscipy

进入Python之后，使用如下命令调用scikit-learn的决策树方法。

fromsklearnimporttree

模块scikit-learreeClassifier对象，它能够解决二分类问题（如蘑菇是否可食用），也可以解决多分类问题。在使用中，对输入训练数据的维度要求如下。

输入X：样本数量×特征属性数量；

输入Y：样本类别标签，与X要一一对应。

下面先用一个简单的例子来熟悉使用方法。对四个点X=[[0，0]，[0，1]，[1，0]，[1，1]]使用决策树进行分类，四个点分别属于两个类别0和1，它们对应的类别标签是Y=[0，0，1，1]。这可以通过如下简单代码实现。

In[1]：fromsklearnimporttree

X=[[0，0]，[0，1]，[1，0]，[1，1]]

Y=[0，0，1，1]

clf=tree。DeTreeClassifier（）

clf=clf。fit（X，Y）

clf命令用来构造决策树，通过clf。fit（X，Y）实现了决策树的构建，此时clf已经是能够进行分类的决策树了，可以用它来进行新数据的分类。例如，输出[[0。3，0]，[0。8，1]，[1。2，1]]的类别，代码如下。

I=[[0。3，0]，[0。8，1]，[1。2，1]]

In[3]：clf。predict（test）

Out[3]：array（[0，1，1]）

通过上述输出可以看到决策树给出的分类结果是[0。3，0]类别为0；[0。8，1]类别为1；[1。2，1]类别为1。读者可以在平面直角坐标系上画出这些点，看看分类是否合理。

读者还可以尝试下列与决策树相关的函数，看看它们具有什么功能。

In[4]：dir（clf）

Out[4]：

[……

'apply'，

'class_weight'，

'classes_'，

''，

'de_path'，

'feature_importances_'，

'fit'，

'fit_transform'，

'get_params'，

'max_depth'，

'max_features'，