DM-exp-3/wine_dataset_training.py

77 lines
3.0 KiB
Python
Raw Permalink Normal View History

# 导入必要的库
from ucimlrepo import fetch_ucirepo # 用于从UCI机器学习库中获取数据集
from sklearn.model_selection import cross_val_score # 用于交叉验证
from sklearn.tree import DecisionTreeClassifier # 用于构建决策树分类器
from sklearn import tree # 用于可视化决策树
import matplotlib.pyplot as plt # 用于绘图
# 获取Wine数据集
wine = fetch_ucirepo(id=109) # 获取Wine数据集id=109表示Wine数据集
# 数据 (作为pandas数据框)
X = wine.data.features # 特征数据包含Wine数据集的13个特征
y = wine.data.targets # 目标标签包含Wine数据集的类别标签
# 元数据
print(wine.metadata) # 打印数据集的元数据信息
# 变量信息
print(wine.variables) # 打印数据集的变量信息
# 定义ID3算法
def id3_algorithm():
# 使用信息增益作为划分标准
clf = DecisionTreeClassifier(criterion="entropy") # 创建决策树分类器,使用信息增益作为划分标准
return clf
# 定义C4.5算法
def c45_algorithm():
# 使用信息增益比作为划分标准
clf = DecisionTreeClassifier(criterion="entropy", splitter="best") # 创建决策树分类器,使用信息增益比作为划分标准
return clf
# 定义CART算法
def cart_algorithm():
# 使用基尼指数作为划分标准
clf = DecisionTreeClassifier(criterion="gini") # 创建决策树分类器,使用基尼指数作为划分标准
return clf
# 十折交叉验证
def cross_validation(clf, X, y):
scores = cross_val_score(clf, X, y, cv=10) # 进行十折交叉验证,返回每折的准确率
return scores.mean(), scores.std() # 返回平均准确率和标准差
# 比较三个算法的精度和速度
def compare_algorithms():
algorithms = {
"ID3": id3_algorithm(), # ID3算法
"C4.5": c45_algorithm(), # C4.5算法
"CART": cart_algorithm() # CART算法
}
results = {}
for name, clf in algorithms.items():
mean_score, std_score = cross_validation(clf, X, y) # 对每个算法进行交叉验证
results[name] = (mean_score, std_score) # 存储结果
print(f"{name} - Mean Accuracy: {mean_score}, Std: {std_score}") # 打印每个算法的平均准确率和标准差
return results
# 可视化决策树
def visualize_tree(clf, feature_names, class_names):
plt.figure(figsize=(12,8)) # 设置图像大小
# 手动指定类别名称列表
class_names_list = ['Class 1', 'Class 2', 'Class 3'] # 手动指定类别名称列表
tree.plot_tree(clf, filled=True, feature_names=feature_names, class_names=class_names_list) # 绘制决策树
plt.show() # 显示图像
# 主函数
if __name__ == "__main__":
# 比较算法
results = compare_algorithms() # 比较三个算法的性能
# 可视化ID3算法的决策树
clf = id3_algorithm() # 创建ID3算法的决策树分类器
clf.fit(X, y) # 训练模型
# 使用手动指定的类别名称列表
visualize_tree(clf, wine.data.features.columns, ['Class 1', 'Class 2', 'Class 3']) # 可视化决策树