奇书网

第三节 识别毒蘑菇（第4页）

#获得8123个标记

因为用来表示类别的“e”和“p”是英文字母，所以需要转化成1和0以便计算机使用，其中1表示可食用，0表示有毒。使用以下代码完成转化，这是一个循环程序。

In[13]：fe（0，8123）：

iflabel[i]=='e'：

label[i]=1

else：

label[i]=0

接下来就可以设置Y数据了。

In[14]：Y=label

In[15]：Y=Y。astype（Y）

接下来处理训练样本。

In[16]：data=data。drop（['样本编号'，'标记']，axis=1）

#训练样本需要将两列去掉（样本编号和标记）

In[17]：data。shape

Out[17]：（8124，22）

#训练样本的行列数量

Ia=np。array（data）

Ia=a[0：-1，：]

#去掉最后一行

Ia。shape

Out[20]：（8123，22）

#新的数据

特征属性的值同样是用字符表示的，而Python的决策树需要对数值进行处理。所以接下来使用下面的编码将字符直接转化成ASCII编码的整数。表3-6中的最后一列是通常的字符，前两列分别是这个字符的十进制编码和十六进制编码。

表3-6

使用下面的代码将字符转化成它对应的整数。如g转化为103，O转化为79等。这是一个循环程序，其中的ord（）函数负责转化功能。

In[21]：fe（0，8123）：

fe（0，22）：

&a[i，j]=ord（a[i，j]）

新的训练数据为

Ia

接下来就可以构造决策树并用于分类了，输出的是描述所生成的决策树的参数。

In[23]：clf=tree。DeTreeClassifier（）

In[24]：clf。fit（X，Y）

Out[24]：

&reeClassifier（class_weight=erion='gini'，

max_depth=None，

max_features=None，max_leaf_nodes=None，

min_impurity_split=1e-07，min_samples_leaf=1，

mi=2，mi_fra_leaf=0。0，

&=False，random_state=er='best'）