python中的鸢尾花决策树

Posted 2023-03-12

【中文标题】python中的鸢尾花决策树

【英文标题】：Iris decision tree in python

【发布时间】：2021-07-01 12:40:21

【问题描述】：

我正在尝试了解决策树，但最终找到了一篇有关决策树的文章。这篇文章的目的是确定一朵花是否是鸢尾花，但我似乎遇到了一些错误，我希望有人能回答我得到两个错误，如下所示：

iris: Bunch iris: inner_f 'tuple' 的实例没有'target' 成员

和

iris: Bunch iris: inner_f 'tuple' 的实例没有'data' 成员

我在 x = iris.data 行和 y = iris.target 行遇到这些错误。

代码如下：

import warnings
warnings.filterwarnings('ignore')

import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split

#load iris data
iris = datasets.load_iris()
x = iris.data
y = iris.target
d = ["sepal_length":row[0], 
      "sepal_width":row[1], 
      "petal_length":row[2], 
      "petal_width":row[3] for row in x]
df = pd.DataFrame(d) # construct dataframe
df["types"] = y # assign types
df = df.sample(frac=1.0) # random shuffle rows
df.head()

有人知道我为什么会收到这些错误吗？

【问题讨论】：

这段代码对我来说没有产生任何错误。

根据您的sklearn 的版本，return_X_y 有一个参数。请检查您从load.iris() 获得的数据类型。是元组还是数据框？

【参考方案1】：

您的错误消息表明有问题的值 iris 是一个元组，它没有您引用的属性。检查您正在使用的工具的文档；他们应该解释如何将datasets.load_iris() 解压缩到您需要的对象中。

【参考方案2】：

在大多数情况下，我不会过滤警告，因为您可以从警告中获得有用的信息。

因此，sklearn 数据集格式是一个 Bunch，它是一个像字典一样工作的专用容器对象。您可以使用点符号访问它，例如iris.data 或字典符号，例如虹膜['数据']。在这里，不清楚你的机器上的错误是什么，因为我（像其他评论者一样）在 python 3.8.5 中访问 iris.data 或 iris['data'] 没有问题。

我想让你知道几个地方可以改进你的方法：

(1) 不清楚为什么需要构建数据框，因为您可以直接通过调用连接的 numpy 数组上的 train_test_split 来获取所需的样本，或者您可以直接从 numpy 数组中获取索引的随机样本。

(2) 你构建数据框的方法比它需要的更复杂。

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split

# load iris data
iris = datasets.load_iris()

# train test split
X_train, y_train, X_test, y_test = train_test_split(iris.data, iris.target)

# random shuffle of data/target indices
rng = np.random.default_rng()
rng_size = iris.data.shape[0]
idx_sample = rng.choice(np.arange(rng_size), size=rng_size, replace=False)

# simpler way to create dataframe
# concatenate along the columns (axis 1)
# then set the column names in one place
df = pd.concat([pd.DataFrame(iris.data), pd.DataFrame(iris.target)], axis=1)
df.columns = ["sepal_length", "sepal_width", "petal_length", "petal_width", "types"]