糖尿病數(shù)據(jù)決策樹分類

數(shù)據(jù)挖掘技術(shù)與應用糖尿病數(shù)據(jù)決策樹分類實訓實訓目標理解決策樹算法的核心步驟。利用Python實現(xiàn)算法應用，提升編程技能。通過數(shù)據(jù)集的部分樣本訓練構(gòu)造決策樹模型。調(diào)用構(gòu)建好的決策樹模型對測試集樣本進行預測，并求出測試精度。實訓環(huán)境使用3.6版本的Python。使用jupyternotebook或PyCharm2018社區(qū)版作為代碼編輯器。numpy、pandas、sklearn實訓數(shù)據(jù)主要包括442個實例，每個實例10個屬性值，分別是：Age(年齡)、性別(Sex)、Bodymassindex(體質(zhì)指數(shù))、AverageBloodPressure(平均血壓)、S1~S6一年后疾病級數(shù)指標，Target為一年后患疾病的定量指標。實訓內(nèi)容導入必要的庫。導入數(shù)據(jù)集。獲取特征值。獲取標簽。隨機劃分訓練集和測試集創(chuàng)建模型對測試集進行預測并將結(jié)果與label進行對比，計算準確度糖尿病數(shù)據(jù)決策樹分類實現(xiàn)代碼導入數(shù)據(jù)包fromsklearn.model_selectionimporttrain_test_split,cross_val_scorefromsklearn.treeimportDecisionTreeClassifierfromsklearnimportdatasetsimportnumpyasnp數(shù)據(jù)說明：主要包括442個實例，每個實例10個屬性值，分別是：Age(年齡)、性別(Sex)、Bodymassindex(體質(zhì)指數(shù))、AverageBloodPressure(平均血壓)、S1~S6一年后疾病級數(shù)指標，Target為一年后患疾病的定量指標。導入數(shù)據(jù)集diabetes=datasets.load_diabetes()獲取特征值X=diabetes.data獲取標簽Y=[1ify>100else0foryindiabetes.target]隨機劃分訓練集和測試集X_train,X_test,y_train,y_test=train_test_split(X,Y,test_size=0.2,random_state=6)創(chuàng)建模型model=DecisionTreeClassifier(random_state=5).fit(X_train,y_train)對測試集進行預測pre=model.predict(X_test)并將結(jié)果與label進行對比，計算準確度print("準確度為：{:.3f}".format(np.mean(pre==y_test)))p