使用 Scikit-learn 的随机森林分类器

在本文中，我们将看到如何使用Python编程语言的Scikit-Learn 库构建随机森林分类器，为此，我们使用了IRIS 数据集，这是一个非常常见且著名的数据集。随机森林或随机决策森林是一种监督机器学习算法，用于使用决策树进行分类、回归和其他任务。
随机森林分类器从训练集的随机选择子集中创建一组决策树。它基本上是从训练集中随机选择的子集中的一组决策树（DT），然后它收集来自不同决策树的投票来决定最终预测。
在这个分类算法中，我们将使用 IRIS 花卉数据集来训练和测试模型。我们将建立一个模型来对花的类型进行分类。

代码：加载数据集

# importing required libraries
# importing Scikit-learn library and datasets package
from sklearn import datasets 
 
# Loading the iris plants dataset (classification)
iris = datasets.load_iris()   

代码：检查我们的数据集内容和其中存在的特征名称。

print(iris.target_names)

输出：

[‘setosa’ ‘versicolor’ ‘virginica’]

代码：

print(iris.feature_names)

输出：

[‘sepal length (cm)’, ’sepal width (cm)’, ’petal length (cm)’, ’petal width (cm)’]

代码：

# dividing the datasets into two parts i.e. training datasets and test datasets
X, y = datasets.load_iris( return_X_y = True)
 
# Spliting arrays or matrices into random train and test subsets
from sklearn.model_selection import train_test_split
# i.e. 70 % training dataset and 30 % test datasets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.30)

代码：导入所需的库和随机森林分类器模块。

# importing random forest classifier from assemble module
from sklearn.ensemble import RandomForestClassifier
import pandas as pd
# creating dataframe of IRIS dataset
data = pd.DataFrame({‘sepallength’: iris.data[:, 0], ’sepalwidth’: iris.data[:, 1],
                     ’petallength’: iris.data[:, 2], ’petalwidth’: iris.data[:, 3],
                     ’species’: iris.target})

代码：查看数据集

# printing the top 5 datasets in iris dataset
print(data.head())

输出：

sepallength   sepalwidth   petallength     petalwidth   species

0          5.1             3.5               1.4                0.2           0

1          4.9             3.0               1.4                0.2           0

2          4.7             3.2               1.3                0.2           0

3          4.6             3.1               1.5               0.2            0

4          5.0             3.6               1.4               0.2            0

代码：

# creating a RF classifier
clf = RandomForestClassifier(n_estimators = 100) 
 
# Training the model on the training dataset
# fit function is used to train the model using the training sets as parameters
clf.fit(X_train, y_train)
 
# performing predictions on the test dataset
y_pred = clf.predict(X_test)
 
# metrics are used to find accuracy or error
from sklearn import metrics 
print()
 
# using metrics module for accuracy calculation
print("ACCURACY OF THE MODEL: ", metrics.accuracy_score(y_test, y_pred))

输出：

ACCURACY OF THE MODEL: 0.9238095238095239

代码：从数据集中预测花的类型

# predicting which type of flower it is.
clf.predict([[3, 3, 2, 2]])

输出：

array([0])

这意味着它是setosa花卉类型，因为我们在数据集中获得了三个物种或类别： Setosa、Versicolor 和 Virginia。现在我们还将使用以下代码行找出 IRIS 数据集中的重要特征或选择特征。

代码：

# importing random forest classifier from assemble module
from sklearn.ensemble import RandomForestClassifier
# Create a Random forest Classifier
clf = RandomForestClassifier(n_estimators = 100)
 
# Train the model using the training sets
clf.fit(X_train, y_train)

代码：计算特征重要性

# using the feature importance variable
import pandas as pd
feature_imp = pd.Series(clf.feature_importances_, index = iris.feature_names).sort_values(ascending = False)
feature_imp

输出：

petal width (cm)     0.458607
petal length (cm)    0.413859
sepal length (cm)    0.103600
sepal width (cm)     0.023933
dtype: float64

在评论中写代码？请使用 ide.geeksforgeeks.org，生成链接并在此处分享链接。