Данные дерева решений как категория ⇐ Python
-
Anonymous
Данные дерева решений как категория
я хочу нарисовать дерево на основе этого набора данных:
Исходный порт,Порт назначения,Исходный порт NAT,Порт назначения NAT,Байты,Отправленные байты,Полученные байты,Пакеты,Прошедшее время (сек),pkts_sent,pkts_received,Класс 0,33313,443,29395,443,9675,2389,7286,43,143,21,22,разрешить 1,53871,443,15841,443,7797,1807,5990,15,135,7,8,разрешить 2,56628,443,13354,443,8240,3521,4719,25,18,15,10,разрешить 3,50270,445,0,0,70,70,0,1,0,1,0,капля 4,64113,53,33491,53,294,134,160,2,30,1,1,разрешить 5,55070,80,64489,80,246,120,126,5,16,3,2,разрешить 6,49750,445,0,0,70,70,0,1,0,1,0,капля и код:
из sklearn.model_selection import train_test_split из sklearn.tree импортировать DecisionTreeClassifier из дерева импорта sklearn импортировать matplotlib.pyplot как plt из импорта панд read_csv данные = read_csv('file.csv') X = data.drop('Класс', ось=1) y = данные['Класс'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1) # 70% обучение и 30% тестирование clf = DecisionTreeClassifier(random_state=0, ccp_alpha=0.1) clf = clf.fit(X_train,y_train) имена_классов = clf.classes_ рис, оси = plt.subplots(nrows = 1,ncols = 1,figsize = (4,4), dpi=420) Tree.plot_tree(clf, Feature_names = X.columns, class_names=class_names, заполнено = Истина) fig.savefig('pruned_decision_tree.svg') Дерево результатов: дерево
что неверно, поскольку он вычисляет номера портов и пакетов
я хочу нарисовать дерево на основе этого набора данных:
Исходный порт,Порт назначения,Исходный порт NAT,Порт назначения NAT,Байты,Отправленные байты,Полученные байты,Пакеты,Прошедшее время (сек),pkts_sent,pkts_received,Класс 0,33313,443,29395,443,9675,2389,7286,43,143,21,22,разрешить 1,53871,443,15841,443,7797,1807,5990,15,135,7,8,разрешить 2,56628,443,13354,443,8240,3521,4719,25,18,15,10,разрешить 3,50270,445,0,0,70,70,0,1,0,1,0,капля 4,64113,53,33491,53,294,134,160,2,30,1,1,разрешить 5,55070,80,64489,80,246,120,126,5,16,3,2,разрешить 6,49750,445,0,0,70,70,0,1,0,1,0,капля и код:
из sklearn.model_selection import train_test_split из sklearn.tree импортировать DecisionTreeClassifier из дерева импорта sklearn импортировать matplotlib.pyplot как plt из импорта панд read_csv данные = read_csv('file.csv') X = data.drop('Класс', ось=1) y = данные['Класс'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1) # 70% обучение и 30% тестирование clf = DecisionTreeClassifier(random_state=0, ccp_alpha=0.1) clf = clf.fit(X_train,y_train) имена_классов = clf.classes_ рис, оси = plt.subplots(nrows = 1,ncols = 1,figsize = (4,4), dpi=420) Tree.plot_tree(clf, Feature_names = X.columns, class_names=class_names, заполнено = Истина) fig.savefig('pruned_decision_tree.svg') Дерево результатов: дерево
что неверно, поскольку он вычисляет номера портов и пакетов
