Мобильная версияЯ новичок на этом сайте, и у меня есть вопрос относительно дерева решений. Я программирую впервые, поэтому сейчас только основы
) Мне нужно создать дерево решений для моих тестовых данных, но я не знаю, какой должна быть моя цель. я понимаю, что моими объектами будут узлы моего дерева, но я не понимаю, какой должна быть моя цель. Заранее спасибо!# Загрузка библиотек импортировать панд как pd from sklearn.tree import DecisionTreeClassifier # Импорт классификатора дерева решений from sklearn.model_selection import train_test_split # Импортировать функцию train_test_split from sklearn import metrics #Импортировать модуль метрики scikit-learn для расчета точности col_names = ['Image' 'Mask' 'Schuetteln' 'Gewicht' 'Set' 'original_firstorder_Energy' 'original_firstorder_Maximum' 'original_firstorder_Range' 'original_firstorder_InterquartileRange' 'original_firstorder_Skewness' 'original_glcm_ClusterShade' 'original_glcm_ClusterProminence'] # загрузить набор данных pima = pd.read_csv("/content/gdrive/MyDrive/set_radiomicfeatures.csv", header=None, name=col_names) пима.head() #split набор данных в объектах и целевой переменной Feature_cols = ['Изображение' 'Маска' 'Schuetteln' 'Gewicht' 'Set' 'original_firstorder_Energy' 'original_firstorder_Maximum' 'original_firstorder_Range' 'original_firstorder_InterquartileRange' 'original_firstorder_Skewness' 'original_glcm_ClusterShade' 'original_glcm_ClusterProminence'] X = pima[feature_cols] # Возможности **у = пима.??? # Целевая переменная** X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0,3, случайное_состояние=1) # Создать объект классификатора дерева решений clf = КлассификаторДерева Решений() # Обучить классификатор дерева решений clf = clf.fit(X_train,y_train) #Предсказываем ответ для тестового набора данных y_pred = clf.predict(X_test) print("Точность:",metrics.accuracy_score(y_test, y_pred))
