使用 Scikit-learn 的随机森林分类器
原文:https://www . geesforgeks . org/random-forest-classifier-use-sci kit-learn/
在本文中，我们将看到如何使用 Python 编程语言的 Scikit-Learn 库构建一个随机森林分类器，为了做到这一点，我们使用了 IRIS 数据集，这是一个相当常见和著名的数据集。随机森林或随机决策森林是一种有监督的机器学习算法，用于使用决策树进行分类、回归和其他任务。 随机森林分类器从训练集中随机选择的子集创建一组决策树。它基本上是从训练集中随机选择的子集中选择一组决策树，然后从不同的决策树中收集投票来决定最终的预测。 在这个分类算法中，我们将使用 IRIS 花卉数据集对模型进行训练和测试。我们将建立一个模型来分类花的类型。
Code: Loading dataset
# importing required libraries
# importing Scikit-learn library and datasets package
from sklearn import datasets
# Loading the iris plants dataset (classification)
iris = datasets.load_iris()
代码:检查我们的数据集内容和其中存在的要素名称。
print(iris.target_names)
输出:
[‘setosa’ ‘versicolor’ ‘virginica’]
代码:
print(iris.feature_names)
输出:
[‘sepal length (cm)’, ’sepal width (cm)’, ’petal length (cm)’, ’petal width (cm)’]
代码:
# dividing the datasets into two parts i.e. training datasets and test datasets
X, y = datasets.load_iris( return_X_y = True)
# Spliting arrays or matrices into random train and test subsets
from sklearn.model_selection import train_test_split
# i.e. 70 % training dataset and 30 % test datasets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.30)
代码:导入需要的库和随机森林分类器模块。
# importing random forest classifier from assemble module
from sklearn.ensemble import RandomForestClassifier
import pandas as pd
# creating dataframe of IRIS dataset
data = pd.DataFrame({‘sepallength’: iris.data[:, 0], ’sepalwidth’: iris.data[:, 1],
’petallength’: iris.data[:, 2], ’petalwidth’: iris.data[:, 3],
’species’: iris.target})
代码:查看数据集
# printing the top 5 datasets in iris dataset
print(data.head())
输出:
sepallength sepalwidth petallength petalwidth species
0 5.1 3.5 1.4 0.2 0
1 4.9 3.0 1.4 0.2 0
2 4.7 3.2 1.3 0.2 0
3 4.6 3.1 1.5 0.2 0
4 5.0 3.6 1.4 0.2 0
代码:
# creating a RF classifier
clf = RandomForestClassifier(n_estimators = 100)
# Training the model on the training dataset
# fit function is used to train the model using the training sets as parameters
clf.fit(X_train, y_train)
# performing predictions on the test dataset
y_pred = clf.predict(X_test)
# metrics are used to find accuracy or error
from sklearn import metrics
print()
# using metrics module for accuracy calculation
print("ACCURACY OF THE MODEL: ", metrics.accuracy_score(y_test, y_pred))
输出:
ACCURACY OF THE MODEL: 0.9238095238095239
编码:从数据集预测花的类型
# predicting which type of flower it is.
clf.predict([[3, 3, 2, 2]])
输出:
array([0])
这意味着它是濑户花的花型，因为我们在我们的数据集中获得了三个物种或类:濑户花、云芝和弗吉尼亚。现在我们也将通过使用下面几行代码来找出 IRIS 数据集中的重要特征或选择特征。
代码:
# importing random forest classifier from assemble module
from sklearn.ensemble import RandomForestClassifier
# Create a Random forest Classifier
clf = RandomForestClassifier(n_estimators = 100)
# Train the model using the training sets
clf.fit(X_train, y_train)
代码:计算特征重要性
# using the feature importance variable
import pandas as pd
feature_imp = pd.Series(clf.feature_importances_, index = iris.feature_names).sort_values(ascending = False)
feature_imp
输出:
petal width (cm) 0.458607
petal length (cm) 0.413859
sepal length (cm) 0.103600
sepal width (cm) 0.023933
dtype: float64
版权属于：月萌API www.moonapi.com，转载请注明出处
