如何利用Python建立决策树模型？

1、输入数据集。

 import pandas as pddf=pd.DataFrame({'name':['Lily','Lucy','Jim','Tom','Anna','Jack','Sam'],'获争温weight':[42,38,78,67,52,80,92],'height':[162,158,169,170,166,175,178],'is_fat':[0,0,1,0,1,0,1]})

2、导入决策树工具包。

from sklearn.tree import DecisionTreeClassifier

3、准备训练集，is_fat为目标变量,'weight'和'height'为自变量。

X=df.loc[:,['weight','height']]

y=df['is_fat']

4、建速国立模型，并进行模型训练。

clf=DecisionTreeClassifier()

clf.fit(X,y)

5、利用模型进行预测。

y_pred=clf.predict(X)

print(y_pred)

6、根据预测结果绘制散点图。

import matplotlib.pyplot as pltplt.figure()df['is_fat_pred']=y_preddf_0=df[df['is_fat_pred']==0]df_1=df[df['is_fat_pred']==1]plt.scatter(df_0['weight'],df_0['height'],c='y',s=50,label='normal')plt.scatter(df_1['weight'],df_1['height'睡游],c='lightblue',s=100,label='fat')for k in range(len(X)): plt.text(X['weight'][k],X['height'][k],df['name'][k]) #设置散点标签plt.legend() 

plt.show()