天才一秒记住【畅想小说网】地址：http://www.cxtra.net
第三节识别毒蘑菇
banner"
>
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。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！