隨機森林處理鳶尾花數據實踐

下面介紹隨機森林處理鳶尾花數據的python實踐，不清楚隨機森林原理的科研參考我的筆記https://blog.csdn.net/qq_43468729/article/details/84722248
開始擼代碼~~

首先導入相關包並進行數據預處理

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn.ensemble import RandomForestClassifier
   
def iris_type(s):
    it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}
    return it[s.decode('utf-8')]

# 'sepal length', 'sepal width', 'petal length', 'petal width'
iris_feature = u'花萼長度', u'花萼寬度', u'花瓣長度', u'花瓣寬度'

if __name__ == "__main__":
    mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 黑體 FangSong/KaiTi
    mpl.rcParams['axes.unicode_minus'] = False

    path = '..\\8.Regression\\8.iris.data'  # 數據文件路徑
    data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})
    x_prime, y = np.split(data, (4,), axis=1)

    feature_pairs = [[0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3]]
    plt.figure(figsize=(10, 9), facecolor='#FFFFFF')

接着隨機對特徵集中取兩個特徵進行建模

 x = x_prime[:, pair]

        # 隨機森林  200顆樹  以熵下降最快爲準則 深度爲4
        clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=4)
        rf_clf = clf.fit(x, y.ravel())

此處隨機森林的參數可以選擇以葉子結點的樣本數爲條件，這裏選擇的是決策樹的深度

畫圖：

 y_hat = rf_clf.predict(x)
        y = y.reshape(-1)
        c = np.count_nonzero(y_hat == y)    # 統計預測正確的個數
        print ('特徵：  ', iris_feature[pair[0]], ' + ', iris_feature[pair[1]],)
        print ('\t預測正確數目：', c,)
        print ('\t準確率: %.2f%%' % (100 * float(c) / float(len(y))))

        # 顯示
        cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])
        cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])
        y_hat = rf_clf.predict(x_test)  # 預測值
        y_hat = y_hat.reshape(x1.shape)  # 使之與輸入的形狀相同
        plt.subplot(2, 3, i+1)
        plt.pcolormesh(x1, x2, y_hat, cmap=cm_light)  # 預測值
        plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', cmap=cm_dark)  # 樣本
        plt.xlabel(iris_feature[pair[0]], fontsize=14)
        plt.ylabel(iris_feature[pair[1]], fontsize=14)
        plt.xlim(x1_min, x1_max)
        plt.ylim(x2_min, x2_max)
        plt.grid()

由於設置了200顆數，四個特徵兩兩組合有六種情況，運算的速度稍微有點慢
最後可以得到如下數據 從圖中可以看到 選擇 花瓣長度 + 花瓣寬度特徵預測最爲準確

特徵：   花萼長度  +  花萼寬度
	預測正確數目： 125
	準確率: 83.33%
特徵：   花萼長度  +  花瓣長度
	預測正確數目： 144
	準確率: 96.00%
特徵：   花萼長度  +  花瓣寬度
	預測正確數目： 146
	準確率: 97.33%
特徵：   花萼寬度  +  花瓣長度
	預測正確數目： 145
	準確率: 96.67%
特徵：   花萼寬度  +  花瓣寬度
	預測正確數目： 144
	準確率: 96.00%
特徵：   花瓣長度  +  花瓣寬度
	預測正確數目： 145
	準確率: 96.67%