sklearn的快速使用之六（決策樹分類）
print(__doc__)
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
# Parameters
n_classes = 3
plot_colors = "ryb"
plot_step = 0.02
# Load data
iris = load_iris()
print (iris.data)
print (iris.data[:, [0, 1]])
#print (iris.data[:, [1, 2]])
for pairidx, pair in enumerate([[0, 1], [0, 2], [0, 3],
[1, 2], [1, 3], [2, 3]]):
# [0,1,2,3,4]從四列資料中選取2個要素進行訓練
X = iris.data[:, pair]
y = iris.target
# Train
clf = DecisionTreeClassifier().fit(X, y)
# 2行3列排列圖片
plt.subplot(2, 3, pairidx + 1)
#第一列
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
print (x_min,x_max)
#第二列
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
print (y_min,y_max)
# 繪製網格 xx 分割數 × yy 分割數 = x×y 維資料
xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step),
np.arange(y_min, y_max, plot_step))
print (xx)
print (yy)
#plt.tight_layout()進行自動控制,此方法不能夠很好的控制影象間的間隔
plt.tight_layout(h_pad=0.5, w_pad=0.5, pad=2.5)
print ("---------------")
print (xx.ravel())
print ("---------------")
print (yy.ravel())
'''
把第一列花萼長度資料按h取等分,作為行，然後複製多行,得到xx網格矩陣
把第二列花萼寬度資料按h取等分，作為列，然後複製多列，得到yy網格矩陣
xx和yy矩陣都變成兩個一維陣列，然後到np.c_[] 函式組合成一個二維陣列
'''
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
print (Z)
Z = Z.reshape(xx.shape)
print (Z)
#繪製等高線
cs = plt.contourf(xx, yy, Z, cmap=plt.cm.RdYlBu)
#橫座標 縱座標
plt.xlabel(iris.feature_names[pair[0]])
plt.ylabel(iris.feature_names[pair[1]])
# Plot the training points
for i, color in zip(range(n_classes), plot_colors):
idx = np.where(y == i)
plt.scatter(X[idx, 0], X[idx, 1], c=color, label=iris.target_names[i],
cmap=plt.cm.RdYlBu, edgecolor='black', s=15)
plt.suptitle("Decision surface of a decision tree using paired features")
plt.legend(loc='lower right', borderpad=0, handletextpad=0)
plt.axis("tight")
plt.show()
