hua.zip_花分类_随机森林_随机森林案例_随机森林源代码

#随机森林 from sklearn.tree import DecisionTreeRegressor from sklearn.ensemble import RandomForestRegressor import numpy as np from sklearn.cross_validation import cross_val_score, ShuffleSplit from sklearn.datasets import load_iris iris=load_iris() #print(iris) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　标签是花的种类：setosa versicolour virginica print(iris['target'].shape) rf=RandomForestRegressor()#这里使用了默认的参数设置 rf.fit(iris.data[:150],iris.target[:150])#进行模型的训练 #随机挑选两个预测不相同的样本 instance=iris.data[[100,109]] #print(instance) #rf.predict(instance[[0]]) print(instance) print('instance 0 prediction；',rf.predict(instance[[0]])) print( 'instance 1 prediction；',rf.predict(instance[[1]])) print(iris.target[100],iris.target[109]) #交叉验证 X = iris["data"] Y = iris["target"] names = iris["feature_names"] #print (names) rf = RandomForestRegressor() scores = [] for i in range(X.shape[1]): score = cross_val_score(rf, X[:, i:i+1], Y, scoring="r2",cv=ShuffleSplit(len(X), 3, .3)) scores.append((round(np.mean(score), 3), names[i])) print (sorted(scores, reverse=True)) #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类#print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(instance) #print('instance 0 prediction；',rf.predict(instance[[0]])) #print( 'instance 1 prediction；',rf.predict(instance[[1]])) #print(iris.target[100],iris.target[109]) #iris的４个属性是：萼片宽度　萼片长度　花瓣宽度　花瓣长度　 #输出结果为花的分类 #print(inst