IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 数据结构与算法 -> 决策树的简单模型 -> 正文阅读

[数据结构与算法]决策树的简单模型

python的基础项目
音乐推送的决策树算法

数据集

在这里插入图片描述

一、建立决策树模型

import pandas as pd 
from sklearn.tree import DecisionTreeClassifier   # 决策树分类器
from sklearn.model_selection import train_test_split  #划分数据集函数
from sklearn.metrics import accuracy_score
#from sklearn.externals import joblib
import joblib

music_data = pd.read_csv('music_data.csv')
X = music_data.drop(columns=['genre'])
y = music_data['genre']
X_train,X_test,y_train,y_test = train_test_split(X ,y , test_size = 0.2)
model = DecisionTreeClassifier()
model.fit(X_train,y_train)

predictions = model.predict(X_test)
predictions
score = accuracy_score(y_test, predictions)
score



二、保存模型&调用模型

在这里插入图片描述

建模后保存模型

import pandas as pd 
from sklearn.tree import DecisionTreeClassifier   # 决策树分类器
from sklearn.model_selection import train_test_split  #划分数据集函数
from sklearn.metrics import accuracy_score
#from sklearn.externals import joblib
import joblib

music_data = pd.read_csv('music_data.csv')
X = music_data.drop(columns=['genre'])
y = music_data['genre']
X_train,X_test,y_train,y_test = train_test_split(X ,y , test_size = 0.2)
model = DecisionTreeClassifier()
model.fit(X_train,y_train)
#保存模型
joblib.dump(model, "music_recommender.joblib")

加载模型进行预测

#加载模型
model = joblib.load("music_recommender.joblib")
predictions = model.predict(X_test)
predictions
score = accuracy_score(y_test, predictions)
score



三、可视化决策树

在这里插入图片描述

import pandas as pd 
from sklearn.tree import DecisionTreeClassifier   # 决策树分类器
from sklearn.model_selection import train_test_split  #划分数据集函数
from sklearn import tree

music_data = pd.read_csv('music_data.csv')
X = music_data.drop(columns=['genre'])
y = music_data['genre']
X_train,X_test,y_train,y_test = train_test_split(X ,y , test_size = 0.2)
model = DecisionTreeClassifier()
model.fit(X_train,y_train)

#输出dot文件
tree.export_graphviz(model, out_file="music_recommender.dot",
                    feature_names = ['age','gender'],
                    class_names = sorted(y.unique()),
                     label = 'all',
                     rounded= True,
                     filled= True)
import graphviz

with open("music_recommender.dot") as f:
    dot_graph = f.read()
dot=graphviz.Source(dot_graph)
dot.view()

注意:anaconda需要安装 python-graphviz和 graphviz两个包

在这里插入图片描述

  数据结构与算法 最新文章
【力扣106】 从中序与后续遍历序列构造二叉
leetcode 322 零钱兑换
哈希的应用:海量数据处理
动态规划|最短Hamilton路径
华为机试_HJ41 称砝码【中等】【menset】【
【C与数据结构】——寒假提高每日练习Day1
基础算法——堆排序
2023王道数据结构线性表--单链表课后习题部
LeetCode 之 反转链表的一部分
【题解】lintcode必刷50题<有效的括号序列
上一篇文章      下一篇文章      查看所有文章
加:2021-07-28 08:04:35  更:2021-07-28 08:06:31 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/25 17:38:01-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码