|
- # -*- coding:UTF-8 -*-
- from sklearn.feature_extraction import DictVectorizer
- from sklearn import preprocessing
- from sklearn import tree
- import csv
- import pydotplus
- # -*- coding:utf-8 -*-
- #以只读的方式打开指定的扩展名为csv的文件,其编码格式为UTF-8-sig,注意这个位置的编码格式不能是utf-8
- file = open(r'E:\python\a.csv','r',encoding='utf-8-sig')
- #读取文件的内容并将其赋给变量data
- data = csv.reader(file)
- #读取变量data中的第一行(表头)
- header = next(data)
- #print('header = ' + str(header))
- #创建一个列表attributeList,专门存放数据源的属性值
- attributeList = []
- #创建一个列表resultList,专门存放对应各行记录的结果值
- resultList = []
- for row in data:
- resultList.append(row[len(row) - 1]) #将每行记录的结果值存入resultList中
- rowDictionary = {} #定义一个词典rowDictionary,用来存放每行的属性名称及其对应的属性值
- for i in range(1,len(row) - 1):
- rowDictionary[header[i]] = row[i] #向词典rowDictionary添加属性名称及其对应的属性值
- attributeList.append(rowDictionary) #将每次内层循环产生的词典添加到列表attributeList中
- # print(resultList)
- vec = DictVectorizer() #创建一个DictVectorizer的实例,DictVectorizer是字典特征提取器,用来将数据的数据类型转化为整型
- attributeArray = vec.fit_transform(attributeList).toarray() #利用vec实例将列表attributeList转化成“01”矩阵,函数fit_transform是先拟合数据,再标准化,函数toarray是将转化后的数据转变为数组
- title = vec.get_feature_names() #获取vec中所有特征向量的名称和及其能取到的值
- #print(title)
- #print(array)
- lb = preprocessing.LabelBinarizer() #初始化变量lb,preprocessing.LabelBinarizer()的作用是可将分类数据转化为“01”数据,例如可以把yes和no转化为0和1,或是把incident和normal转化为0和1
- resultArray = lb.fit_transform(resultList) #将结果值列表resultList转化为“01”矩阵
- #print(resultArray)
- transformArray = tree.DecisionTreeClassifier(criterion='entropy') #利用分类决策树tree(已引入)模块创建决策树分类器DecisionTreeClassifier,其实现算法是ID3算法(criterion=entropy)
- transformArray = transformArray.fit(attributeArray, resultArray) #根据attributeArray和resultArray生成决策树
- #利用pip安装graphviz包和pydotplus包
- dotData = tree.export_graphviz(transformArray,feature_names=title,out_file=None)#根据transformArray和title生成判定树的节点,同时让输出文件为None(out_file=None)
- graph = pydotplus.graph_from_dot_data(dotData) #根据上条语句生成的决策树结点dotData生成判定树的图形结构
- graph.write_pdf('E:/python/a.pdf') #将树形结构写入到指定的文件中
复制代码
|
|