Scikit-Learn CART 决策树教程

在这个教程中，我们将学习如何使用 Scikit-Learn 库中的 CART 决策树算法进行机器学习。CART 是 Classification And Regression Tree 的缩写，它是一种用于分类和回归的决策树算法。

安装 Scikit-Learn

首先，确保您已经安装了 Scikit-Learn。如果没有，您可以通过以下命令进行安装：

pip install scikit-learn

导入必要的库

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

加载数据集

我们将使用 IRI 数据集进行演示，这是一个包含三种不同品种的鸢尾花的数据集。

iris = load_iris()
X = iris.data
y = iris.target

划分数据集

将数据集划分为训练集和测试集。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

创建决策树模型

clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

评估模型

y_pred = clf.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))

进一步学习

如果您想了解更多关于 Scikit-Learn 和机器学习的知识，请访问我们的机器学习教程页面。

总结

通过本教程，您已经了解了如何使用 Scikit-Learn 的 CART 决策树算法进行机器学习。希望这个教程能帮助您在机器学习领域取得更大的进步。