6行代码,使用决策树进行二分类预测。
Decison Tree决策树作为分类器,特点是简单易读,易于理解,具有很强的可解释性。
from sklearn import tree #调用decision tree决策树
features=[ [140,0] ,[130,0],[150,1],[170,1] ] #两个特征进行回归,对应二维,一个是重量,一个是0表面光滑smooth、1崎岖不平的bumpy。
labels=['apple','apple','orange','orange'] #标签为苹果以及橘子
clf=tree.DecisionTreeClassifier() #调用分类器接口
clf.fit(features,labels) #喂数据,即开始训练
print(clf.predict( [[150,1]] )) #用训练好的模型进行预测。
# 打印结果
# ['orange']