无决策树DTC数据分析及鸢尾数据集分析一.分类及决策树介绍1.分类分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“不是垃圾”，Gmail就会不断研究哪些特点的邮件是垃圾，哪些特点的不是垃圾，形成一些判别的模式，这样当一封信的邮件到来，就可以自动把邮件分到“垃圾”和“不是垃圾”这两个我们人工设定的分类的其中一个。分类学习主要过程如下：（1）训练数据集存在一个类标记号，判断它是正向数据集（起积极作用，不垃圾邮件），还是负向数据集（起抑制作用，垃圾邮件）；（2）然后需要对数据集进行学习训练，并构建一个训练的模型；（3）通过该模型对预测数据集进预测，并计算其结果的性能。无2.决策树（decisiontree）决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预测将来未知类别的记录的类别它采用自顶向下的递归方式，在决策树的内部节点进行属性的比较，并根据不同属性值判断从该节点向下的分支，在决策树的叶节点得到结论。决策树算法根据数据的属性采用树状结构建立决策模型，决策树模型常用来解决分类和回归问题。常见的算法包括：分类及回归树（ClassificationAndRegressionTree，CART），ID3(IterativeDichotomiser3)，C4.5，Chi-squaredAutomaticInteractionDetection(CHAID),DecisionStump,随机森林（RandomForest），多元自适应回归样条（MARS）以及梯度推进机（GradientBoostingMachine，GBM）。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。示例1：下面举两个例子，参考下面文章，强烈推荐大家阅读，尤其是决策树原理。算法杂货铺——分类算法之决策树(Decisiontree)-leoo2sk这个也是我上课讲述的例子，引用上面文章的。通俗来说，决策树分类的思想类似于找对象。现想象一个女孩的母亲要给这个女孩介绍男朋友，于是有了下面的对话：女儿：多大年纪了？母亲：26。女儿：长的帅不帅？母亲：挺帅的。女儿：收入高不？母亲：不算很高，中等情况。女儿：是公务员不？母亲：是，在税务局上班呢。女儿：那好，我去见见。这个女孩的决策过程就是典型的分类树决策。相当于通过年龄、长相、收入和是否公务员对将男人分为两个类别：见和不见。假设这个女孩对男人的要求是：30岁以下、长相中等以上并且是高收入者或中等以上收入的公务员，那么这个可以用下图表示女孩的决策逻辑。无示例2：另一个课堂上的例子，参考CSDN的大神lsldd的文章，推荐大家阅读学习信息熵。用Python开始机器学习（2：决策树分类算法）假设要构建这么一个自动选好苹果的决策树，简单起见，我只让他学习下面这4个样本：[python]viewplaincopy1.样本红大好苹果2.01113.11014.20105.3000样本中有2个属性，A0表示是否红苹果。A1表示是否大苹果。本例仅2个属性。那么很自然一共就只可能有2棵决策树，如下图所示：无示例3：第三个例子，推荐这篇文章：决策树学习笔记整理-bourneli决策树构建的基本步骤如下：1.开始，所有记录看作一个节点；2.遍历每个变量的每一种分割方式，找到最好的分割点；3.分割成两个节点N1和N2；4.对N1和N2分别继续执行2-3步，直到每个节点足够“纯”为止。无二.鸢尾花卉Iris数据集在Sklearn机器学习包中，集成了各种各样的数据集，上节课讲述Kmeans使用的是一个NBA篮球运动员数据集，需要定义X多维矩阵或读取文件导入，而这节课使用的是鸢尾花卉Iris数据集，它是很常用的一个数据集。数据集来源：Irisplantsdataset-KEELdataset该数据集一共包含4个特征变量，1个类别变量...
