ML之DT：機器學習根據大量數據,已知年齡、收入、是否上海人、私家車價格的一個人，預測是否有真實購買上海黃浦區樓房的能力

?

?

目錄

輸出結果??

實現代碼

---

?

?

?

輸出結果

?

實現代碼

from sklearn.feature_extraction import DictVectorizer import csv from sklearn import tree from sklearn import preprocessing from sklearn.externals.six import StringIOallElectronicsData = open(r'F:/AI/DL_month1201/01DTree/niu.csv', 'rt') reader = csv.reader(allElectronicsData) headers = next(reader) print(headers) featureList = [] labelList = [] for row in reader: labelList.append(row[len(row)-1]) rowDict = {}for i in range(1, len(row)-1): rowDict[headers[i]] = row[i] featureList.append(rowDict) print(featureList)vec = DictVectorizer() dummyX = vec.fit_transform(featureList) .toarray()print("dummyX: " + str(dummyX)) print(vec.get_feature_names())print("labelList: " + str(labelList))lb = preprocessing.LabelBinarizer() dummyY = lb.fit_transform(labelList) print("dummyY: " + str(dummyY))clf = tree.DecisionTreeClassifier(criterion='entropy') clf = clf.fit(dummyX, dummyY) print("clf: " + str(clf))with open("niu.dot", 'w') as f: f = tree.export_graphviz(clf, feature_names=vec.get_feature_names(), out_file=f) oneRowX = dummyX[0, :] print("oneRowX: " + str(oneRowX))newRowX = oneRowX newRowX[0] = 1 newRowX[2] = 0 print("newRowX: " + str(newRowX))predictedY = clf.predict([newRowX]) print("predictedY: " + str(predictedY))

?

?

?

?

相關文章
ML之DT：機器學習根據大量數據,已知年齡、收入、是否上海人、私家車價格的一個人，預測是否有真實購買上海黃浦區樓房的能力

總結

以上是生活随笔為你收集整理的ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。