文章目录
实验内容实验要求实验代码实验内容
采用决策树算法，对“双十一”期间顾客是否买服装的数据集进行分析与预测。
顾客购买服装数据集：包含review（商品评价变量）、discount（打折程度）、needed（是否必需）、shipping（是否包邮）、buy（是否购买）。
实验要求
1.读取顾客购买服装的数据集（数据集路径：…/3_buy.csv），探索数据。
2.分别用ID3算法和CART算法进行决策树模型的配置、模型的训练、模型的预测、模型的评估。
数据集的展示：
实验代码
import pandas as pdimport numpy as npfrom sklearn import treefrom sklearn import metricsfrom sklearn.model_selection import train_test_split#1.读取顾客购买服装的数据集（数据集路径：data/data76088/3_buy.csv），探索数据。data=pd.read_csv("E:/python/SpyderCode/work/3_buy.csv")data.info()print(data.columns)print(data.head())#2.分别用ID3算法和CART算法进行决策树模型的配置、模型的训练、模型的预测、模型的评估。X=data.iloc[:,0:4]y=data.iloc[:,4:]X=np.array(X.values)y=np.array(y.values)train_X,test_X,train_y,test_y=train_test_split(X,y,test_size=0.5)#用ID3算法#模型配置model=tree.DecisionTreeClassifier(criterion='entropy')#ID3#模型训练model.fit(train_X,train_y)#模型的预测pre_y=model.predict(test_X)#模型的评估print("\nID3算法的准确率:",metrics.accuracy_score(test_y,pre_y))#用CART算法#模型配置model2=tree.DecisionTreeClassifier(criterion='gini')#CART#模型训练model2.fit(train_X,train_y)#模型的预测pre_y=model2.predict(test_X)#模型的评估print("\nCART算法的准确率:",metrics.accuracy_score(test_y,pre_y))
