2. 程式人生 > >【Python資料探勘課程】四.決策樹DTC資料分析及鳶尾資料集分析

【Python資料探勘課程】四.決策樹DTC資料分析及鳶尾資料集分析

阿新 • • 發佈：2018-12-29
        希望這篇文章對你有所幫助，尤其是剛剛接觸資料探勘以及大資料的同學，同時準備嘗試以案例為主的方式進行講解。如果文章中存在不足或錯誤的地方，還請海涵~

一. 分類及決策樹介紹


1.分類


        分類其實是從特定的資料中挖掘模式，作出判斷的過程。比如Gmail郵箱裡有垃圾郵件分類器，一開始的時候可能什麼都不過濾，在日常使用過程中，我人工對於每一封郵件點選“垃圾”或“不是垃圾”，過一段時間，Gmail就體現出一定的智慧，能夠自動過濾掉一些垃圾郵件了。
        這是因為在點選的過程中，其實是給每一條郵件打了一個“標籤”，這個標籤只有兩個值，要麼是“垃圾”，要麼“不是垃圾”，Gmail就會不斷研究哪些特點的郵件是垃圾，哪些特點的不是垃圾，形成一些判別的模式，這樣當一封信的郵件到來，就可以自動把郵件分到“垃圾”和“不是垃圾”這兩個我們人工設定的分類的其中一個。


        分類學習主要過程如下：
       （1）訓練資料集存在一個類標記號，判斷它是正向資料集（起積極作用，不垃圾郵件），還是負向資料集（起抑制作用，垃圾郵件）；
       （2）然後需要對資料集進行學習訓練，並構建一個訓練的模型；
       （3）通過該模型對預測資料集進預測，並計算其結果的效能。


2.決策樹（decision tree）


        決策樹是用於分類和預測的主要技術之一，決策樹學習是以例項為基礎的歸納學習演算法，它著眼於從一組無次序、無規則的例項中推理出以決策樹表示的分類規則。構造決策樹的目的是找出屬性和類別間的關係，用它來預測將來未知類別的記錄的類別。它採用自頂向下的遞迴方式，在決策樹的內部節點進行屬性的比較，並根據不同屬性值判斷從該節點向下的分支，在決策樹的葉節點得到結論。
        決策樹演算法根據資料的屬性採用樹狀結構建立決策模型， 決策樹模型常用來解決分類和迴歸問題。常見的演算法包括：分類及迴歸樹（Classification And Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 隨機森林（Random Forest）， 多元自適應迴歸樣條（MARS）以及梯度推進機（Gradient Boosting Machine， GBM）。
        決策數有兩大優點：1）決策樹模型可以讀性好，具有描述性，有助於人工分析；2）效率高，決策樹只需要一次構建，反覆使用，每一次預測的最大計算次數不超過決策樹的深度。

        示例1：

        下面舉兩個例子，參考下面文章，強烈推薦大家閱讀，尤其是決策樹原理。
        演算法雜貨鋪——分類演算法之決策樹(Decision tree) - leoo2sk
        這個也是我上課講述的例子，引用上面文章的。通俗來說，決策樹分類的思想類似於找物件。現想象一個女孩的母親要給這個女孩介紹男朋友，於是有了下面的對話：

      女兒：多大年紀了？
      母親：26。
      女兒：長的帥不帥？
      母親：挺帥的。
      女兒：收入高不？
      母親：不算很高，中等情況。
      女兒：是公務員不？
      母親：是，在稅務局上班呢。
      女兒：那好，我去見見。


        這個女孩的決策過程就是典型的分類樹決策。相當於通過年齡、長相、收入和是否公務員對將男人分為兩個類別：見和不見。假設這個女孩對男人的要求是：30歲以下、長相中等以上並且是高收入者或中等以上收入的公務員，那麼這個可以用下圖表示女孩的決策邏輯。


        示例2：
        另一個課堂上的例子，參考CSDN的大神lsldd的文章，推薦大家閱讀學習資訊熵。
        用Python開始機器學習（2：決策樹分類演算法）
        假設要構建這麼一個自動選好蘋果的決策樹，簡單起見，我只讓他學習下面這4個樣本：
樣本    紅     大      好蘋果  
0       1      1         1  
1       1      0         1  
2       0      1         0  
3       0      0         0
        樣本中有2個屬性，A0表示是否紅蘋果。A1表示是否大蘋果。
        本例僅2個屬性。那麼很自然一共就只可能有2棵決策樹，如下圖所示：


        決策樹構建的基本步驟如下：
        1. 開始，所有記錄看作一個節點；
        2. 遍歷每個變數的每一種分割方式，找到最好的分割點；
        3. 分割成兩個節點N1和N2；
        4. 對N1和N2分別繼續執行2-3步，直到每個節點足夠“純”為止。


二. 鳶尾花卉Iris資料集

        在Sklearn機器學習包中，集成了各種各樣的資料集，上節課講述Kmeans使用的是一個NBA籃球運動員資料集，需要定義X多維矩陣或讀取檔案匯入，而這節課使用的是鳶尾花卉Iris資料集，它是很常用的一個數據集。
        資料集來源：Iris plants data set - KEEL dataset
        該資料集一共包含4個特徵變數，1個類別變數。共有150個樣本，鳶尾有三個亞屬，分別是山鳶尾 (Iris-setosa)，變色鳶尾(Iris-versicolor)和維吉尼亞鳶尾(Iris-virginica)。
        iris是鳶尾植物，這裡儲存了其萼片和花瓣的長寬，共4個屬性，鳶尾植物分三類。



        iris裡有兩個屬性iris.data，iris.target。
        data裡是一個矩陣，每一列代表了萼片或花瓣的長寬，一共4列，每一列代表某個被測量的鳶尾植物，一共取樣了150條記錄。程式碼如下：
#匯入資料集iris
from sklearn.datasets import load_iris 

#載入資料集
iris = load_iris()
#輸出資料集
print iris.data
         輸出如下所示：
[[ 5.1  3.5  1.4  0.2]
 [ 4.9  3.   1.4  0.2]
 [ 4.7  3.2  1.3  0.2]
 [ 4.6  3.1  1.5  0.2]
 [ 5.   3.6  1.4  0.2]
 [ 5.4  3.9  1.7  0.4]
 [ 4.6  3.4  1.4  0.3]
 [ 5.   3.4  1.5  0.2]
 [ 4.4  2.9  1.4  0.2]
 ....
 [ 6.7  3.   5.2  2.3]
 [ 6.3  2.5  5.   1.9]
 [ 6.5  3.   5.2  2. ]
 [ 6.2  3.4  5.4  2.3]
 [ 5.9  3.   5.1  1.8]]
         target是一個數組，儲存了data中每條記錄屬於哪一類鳶尾植物，所以陣列的長度是150，陣列元素的值因為共有3類鳶尾植物，所以不同值只有3個。種類：
         Iris Setosa（山鳶尾）
         Iris Versicolour（雜色鳶尾）
         Iris Virginica（維吉尼亞鳶尾）
#輸出真實標籤
print iris.target
print len(iris.target)
#150個樣本 每個樣本4個特徵
print iris.data.shape  
        輸出結果如下：
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
150
(150L, 4L)
        可以看到，類標共分為三類，前面50個類標位0，中間50個類標位1，後面為2。
        下面給詳細介紹使用決策樹進行對這個資料集進行測試的程式碼。

三. 決策樹實現鳶尾資料集分析

1. DecisionTreeClassifier

 
        Sklearn機器學習包中，決策樹實現類是DecisionTreeClassifier，能夠執行資料集的多類分類。
        輸入引數為兩個陣列X[n_samples,n_features]和y[n_samples],X為訓練資料，y為訓練資料的標記資料。
        DecisionTreeClassifier構造方法為：
sklearn.tree.DecisionTreeClassifier(criterion='gini'
				      , splitter='best'
				      , max_depth=None
				      , min_samples_split=2
				      , min_samples_leaf=1
				      , max_features=None
				      , random_state=None
				      , min_density=None
				      , compute_importances=None
				      , max_leaf_nodes=None)
        鳶尾花資料集使用決策樹的程式碼如下：
# -*- coding: utf-8 -*-
"""
Created on Fri Oct 14 21:44:19 2016

@author: 楊秀璋
"""

#匯入資料集iris
from sklearn.datasets import load_iris 

#載入資料集
iris = load_iris()

print iris.data          #輸出資料集
print iris.target        #輸出真實標籤
print len(iris.target)
print iris.data.shape    #150個樣本 每個樣本4個特徵


#匯入決策樹DTC包
from sklearn.tree import DecisionTreeClassifier

#訓練
clf = DecisionTreeClassifier()
clf.fit(iris.data, iris.target)
print clf

#預測
predicted = clf.predict(iris.data)

#獲取花卉兩列資料集
X = iris.data
L1 = [x[0] for x in X]
print L1
L2 = [x[1] for x in X]
print L2

#繪圖
import numpy as np
import matplotlib.pyplot as plt
plt.scatter(L1, L2, c=predicted, marker='x')  #cmap=plt.cm.Paired
plt.title("DTC")
plt.show()

        輸出結果如下所示，可以看到分位三類，分別代表資料集三種鳶尾植物。


2.程式碼優化

        在課堂上我講過，這裡存在兩個問題：
        1.前面鳶尾Iris資料集包括四個特徵（萼片長度、萼片寬度、花瓣長度、花瓣寬度），上面程式碼中"L1 = [x[0] for x in X]"我獲取了第一列和第二列資料集進行的繪圖，而真是資料集中可能存在多維特徵，那怎麼實現呢？
        這裡涉及到一個降維操作，後面會詳細介紹。
        2.第二個問題是，分類學習模型如下所示，它的預測是通過一組新的資料集。

        而上面的程式碼"predicted = clf.predict(iris.data)"是對整個的資料集進行決策樹分析，而真是的分類分析，需要把一部分資料集作為訓練，一部分作為預測，這裡使用70%的訓練，30%的進行預測。程式碼如下：

#訓練集
train_data = np.concatenate((iris.data[0:40, :], iris.data[50:90, :], iris.data[100:140, :]), axis = 0)
#訓練集樣本類別
train_target = np.concatenate((iris.target[0:40], iris.target[50:90], iris.target[100:140]), axis = 0)
#測試集
test_data = np.concatenate((iris.data[40:50, :], iris.data[90:100, :], iris.data[140:150, :]), axis = 0)
#測試集樣本類別
test_target = np.concatenate((iris.target[40:50], iris.target[90:100], iris.target[140:150]), axis = 0)
        優化後的完整程式碼如下所示，同時輸出準確率、召回率等。
# -*- coding: utf-8 -*-
"""
Created on Fri Oct 14 21:44:19 2016

@author: 楊秀璋
"""

#匯入資料集iris
from sklearn.datasets import load_iris 

#載入資料集
iris = load_iris()

'''
print iris.data          #輸出資料集
print iris.target        #輸出真實標籤
print len(iris.target)
print iris.data.shape    #150個樣本 每個樣本4個特徵
'''

'''
重點：分割資料集 構造訓練集/測試集，120/30
     70%訓練  0-40  50-90  100-140
     30%預測  40-50 90-100 140-150
'''
#訓練集
train_data = np.concatenate((iris.data[0:40, :], iris.data[50:90, :], iris.data[100:140, :]), axis = 0)
#訓練集樣本類別
train_target = np.concatenate((iris.target[0:40], iris.target[50:90], iris.target[100:140]), axis = 0)
#測試集
test_data = np.concatenate((iris.data[40:50, :], iris.data[90:100, :], iris.data[140:150, :]), axis = 0)
#測試集樣本類別
test_target = np.concatenate((iris.target[40:50], iris.target[90:100], iris.target[140:150]), axis = 0)


#匯入決策樹DTC包
from sklearn.tree import DecisionTreeClassifier

#訓練
clf = DecisionTreeClassifier()
#注意均使用訓練資料集和樣本類標
clf.fit(train_data, train_target)
print clf

#預測結果
predict_target = clf.predict(test_data)
print predict_target

#預測結果與真實結果比對
print sum(predict_target == test_target)

#輸出準確率 召回率 F值
from sklearn import metrics
print(metrics.classification_report(test_target, predict_target))
print(metrics.confusion_matrix(test_target, predict_target))


#獲取花卉測試資料集兩列資料集
X = test_data
L1 = [n[0] for n in X]
print L1
L2 = [n[1] for n in X]
print L2

#繪圖
import numpy as np
import matplotlib.pyplot as plt
plt.scatter(L1, L2, c=predict_target, marker='x')  #cmap=plt.cm.Paired
plt.title("DecisionTreeClassifier")
plt.show()
        輸出結果如下：
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
            max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
            min_samples_split=2, min_weight_fraction_leaf=0.0,
            presort=False, random_state=None, splitter='best')
[0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2]
30
             precision    recall  f1-score   support

          0       1.00      1.00      1.00        10
          1       1.00      1.00      1.00        10
          2       1.00      1.00      1.00        10

avg / total       1.00      1.00      1.00        30

[[10  0  0]
 [ 0 10  0]
 [ 0  0 10]]
        繪製圖形如下所示：

3.補充知識

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 12 23:30:34 2016

@author: yxz15
"""

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 = "bry"
plot_step = 0.02

# Load data
iris = load_iris()

for pairidx, pair in enumerate([[0, 1], [0, 2], [0, 3],
                                [1, 2], [1, 3], [2, 3]]):
    # We only take the two corresponding features
    X = iris.data[:, pair]
    y = iris.target

    # Train
    clf = DecisionTreeClassifier().fit(X, y)

    # Plot the decision boundary
    plt.subplot(2, 3, pairidx + 1)

    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step),
                         np.arange(y_min, y_max, plot_step))

    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)

    plt.xlabel(iris.feature_names[pair[0]])
    plt.ylabel(iris.feature_names[pair[1]])
    plt.axis("tight")

    # 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.Paired)

    plt.axis("tight")

plt.suptitle("Decision surface of a decision tree using paired features")
plt.legend()
plt.show()
        輸出如下所示：


         繪製視覺化決策樹圖部分，總是報錯：
         AttributeError: 'NoneType' object has no attribute 'write'
'''
生成視覺化訓練好的決策樹
詳見：http://scikit-learn.org/stable/modules/tree.html
'''
from sklearn.externals.six import StringIO
from sklearn.tree import export_graphviz
with open("iris.dot", 'w') as f:
    f = export_graphviz(clf, out_file=f)

import pydotplus 
from sklearn import tree
dot_data = tree.export_graphviz(clf, out_file=None) 
graph = pydotplus.graph_from_dot_data(dot_data) 
graph.write_pdf("iris.pdf") 

from IPython.display import Image  
from sklearn import tree
import pydotplus 
dot_data = tree.export_graphviz(clf, out_file="tree.dot", 
                         feature_names=iris.feature_names,  
                         class_names=iris.target_names,  
                         filled=True, rounded=True,  
                         special_characters=True)  
graph = pydotplus.graph_from_dot_data(dot_data)  
Image(graph.create_png())

        其中iris.dot資料如下所示：

digraph Tree {
node [shape=box] ;
0 [label="X[2] <= 2.6\ngini = 0.6667\nsamples = 120\nvalue = [40, 40, 40]"] ;
1 [label="gini = 0.0\nsamples = 40\nvalue = [40, 0, 0]"] ;
0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ;
2 [label="X[3] <= 1.75\ngini = 0.5\nsamples = 80\nvalue = [0, 40, 40]"] ;
0 -> 2 [labeldistance=2.5, labelangle=-45, headlabel="False"] ;
3 [label="X[2] <= 4.95\ngini = 0.2014\nsamples = 44\nvalue = [0, 39, 5]"] ;
2 -> 3 ;
4 [label="X[3] <= 1.65\ngini = 0.0512\nsamples = 38\nvalue = [0, 37, 1]"] ;
3 -> 4 ;
5 [label="gini = 0.0\nsamples = 37\nvalue = [0, 37, 0]"] ;
4 -> 5 ;
6 [label="gini = 0.0\nsamples = 1\nvalue = [0, 0, 1]"] ;
4 -> 6 ;
7 [label="X[3] <= 1.55\ngini = 0.4444\nsamples = 6\nvalue = [0, 2, 4]"] ;
3 -> 7 ;
8 [label="gini = 0.0\nsamples = 3\nvalue = [0, 0, 3]"] ;
7 -> 8 ;
9 [label="X[0] <= 6.95\ngini = 0.4444\nsamples = 3\nvalue = [0, 2, 1]"] ;
7 -> 9 ;
10 [label="gini = 0.0\nsamples = 2\nvalue = [0, 2, 0]"] ;
9 -> 10 ;
11 [label="gini = 0.0\nsamples = 1\nvalue = [0, 0, 1]"] ;
9 -> 11 ;
12 [label="X[2] <= 4.85\ngini = 0.054\nsamples = 36\nvalue = [0, 1, 35]"] ;
2 -> 12 ;
13 [label="X[1] <= 3.1\ngini = 0.4444\nsamples = 3\nvalue = [0, 1, 2]"] ;
12 -> 13 ;
14 [label="gini = 0.0\nsamples = 2\nvalue = [0, 0, 2]"] ;
13 -> 14 ;
15 [label="gini = 0.0\nsamples = 1\nvalue = [0, 1, 0]"] ;
13 -> 15 ;
16 [label="gini = 0.0\nsamples = 33\nvalue = [0, 0, 33]"] ;
12 -> 16 ;
}

        想生成如下圖，希望後面能修改。也可以進入shell下輸入命令：

$ sudo apt-get install graphviz 
$ dot -Tpng iris.dot -o tree.png  # 生成png圖片
$ dot -Tpdf iris.dot -o tree.pdf  # 生成pdf


        最後文章對你有所幫助，上課內容還需要繼續探索，但enjoy myself~
(By:Eastmount 2016-10-15 中午1點半)




相關推薦

【Python資料探勘課程】四.決策樹DTC資料分析及鳶尾資料集分析

        希望這篇文章對你有所幫助，尤其是剛剛接觸資料探勘以及大資料的同學，同時準備嘗試以案例為主的方式進行講解。如果文章中存在不足或錯誤的地方，還請海涵~一. 分類及決策樹介紹1.分類        分類其實是從特定的資料中挖掘模式，作出判斷的過程。比如Gmail郵箱

【python資料探勘課程】十二.Pandas、Matplotlib結合SQL語句對比圖分析

一. 直方圖四圖對比        資料庫如下所示，包括URL、作者、標題、摘要、日期、閱讀量和評論數等。        執行結果如下所示，其中繪製多個圖的核心程式碼為：        p1 = plt.subplot(221)        plt.bar(ind, num

【python資料探勘課程】十一.Pandas、Matplotlib結合SQL語句視覺化分析

這是非常好的一篇文章，可以認為是我做資料分析的轉折點，為什麼呢？因為這是我做資料分析第一次引入SQL語句，然後愛不釋手；結合SQL語句返回結果進行資料分析的效果真的很好，很多大神看到可能會笑話晚輩，但是如果你是資料分析的新人，那我強烈推薦，尤其是結合網路爬蟲進行資料分析的。希

【python資料探勘課程】十八.線性迴歸及多項式迴歸分析四個案例分享

這是《Python資料探勘課程》系列文章，也是我這學期大資料金融學院上課的部分內容。本文主要講述和分享線性迴歸作業中，學生們做得比較好的四個案例，經過我修改後供大家學習，內容包括：    1.線性迴歸預測Pizza價格案例    2.線性迴歸分析波士頓房價案例    3.隨機

【python資料探勘課程】十四.Scipy呼叫curve_fit實現曲線擬合

        前面系列文章講過各種知識，包括繪製曲線、散點圖、冪分佈等，而如何在在散點圖一堆點中擬合一條直線，也變得非常重要。這篇文章主要講述呼叫Scipy擴充套件包的curve_fit函式實現曲線擬

【Python資料探勘課程】五.線性迴歸知識及預測糖尿病例項

        希望這篇文章對你有所幫助，尤其是剛剛接觸資料探勘以及大資料的同學，同時準備嘗試以案例為主的方式進行講解。如果文章中存在不足或錯誤的地方，還請海涵~        同時這篇文章是我上課的內容，所以參考了一些知識，強烈推薦大家學習斯坦福的機器學習Ng教授課程和Sc

【python資料探勘課程】十九.鳶尾花資料集視覺化、線性迴歸、決策樹花樣分析

這是《Python資料探勘課程》系列文章，也是我這學期上課的部分內容。本文主要講述鳶尾花資料集的各種分析，包括視覺化分析、線性迴歸分析、決策樹分析等，通常一個數據集是可以用於多種分析的，希望這篇文章對大

【python資料探勘課程】十.Pandas、Matplotlib、PCA繪圖實用程式碼補充

這篇文章主要是最近整理《資料探勘與分析》課程中的作品及課件過程中，收集了幾段比較好的程式碼供大家學習。同時，做資料分析到後面，除非是研究演算法創新的，否則越來越覺得資料非常重要，才是有價值的東西。後面的課程會慢慢講解Python應用在Hadoop和Spark中，以及netwo

【python資料探勘課程】十五.Matplotlib呼叫imshow()函式繪製熱圖

前面系列文章講過資料探勘的各種知識，最近在研究人類時空動力學分析和冪率定律，發現在人類興趣轉移模型中，可以通過熱圖（斑圖）來進行描述的興趣轉移，如下圖所示。下一篇文章將簡單普及人類動力學相關知識研究。這

【python資料探勘課程】十六.邏輯迴歸LogisticRegression分析鳶尾花資料

今天是教師節，容我先感嘆下。祝天下所有老師教師節快樂，這是自己的第二個教師節，這一年來，無限感慨，有給一個人的指導，有給十幾個人講畢設，有幾十人的實驗，有上百人的課堂，也有給上千人的Python網路直播

【Python資料探勘課程】六.Numpy、Pandas和Matplotlib包基礎知識

        前面幾篇文章採用的案例的方法進行介紹的，這篇文章主要介紹Python常用的擴充套件包，同時結合資料探勘相關知識介紹該包具體的用法，主要介紹Numpy、Pandas和Matplotlib三

【Python資料探勘課程】七.PCA降維操作及subplot子圖繪製

        這篇文章主要介紹四個知識點，也是我那節課講課的內容。        1.PCA降維操作；        2.Python中Sklearn的PCA擴充套件包；        3.Matplotlib的subplot函式繪製子圖；        4.通過Kmean

【Python資料探勘課程】八.關聯規則挖掘及Apriori實現購物推薦

        這篇文章主要介紹三個知識點，也是我《資料探勘與分析》課程講課的內容。        1.關聯規則挖掘概念及實現過程；        2.Apriori演算法挖掘頻繁項集；        3.Python實現關聯規則挖掘及置信度、支援度計算。一. 關聯規則挖掘概

【Python資料探勘課程】一.安裝Python及爬蟲入門介紹

        最近因為需要給大資料金融學院的學生講解《Python資料探勘及大資料分析》的課程，所以在這裡，我將結合自己的上課內容，詳細講解每個步驟。作為助教，我更希望這門課程以實戰為主，同時按小組劃分學生，每個小組最後都提交一個基於Python的資料探勘及大資料分析相關

【python資料探勘課程】邏輯迴歸LogisticRegression分析鳶尾花資料

plt.scatter(X[:50,0], X[:50,1], color='red',marker='o', label='setosa') 呼叫scatter()繪製散點圖，第一個引數為第一列資料（長度），第二個引數為第二列資料（寬度），第三、四個引數為設定點的顏色為紅色，款式為圓圈，最後標

【Python資料探勘課程】三.Kmeans聚類程式碼實現、作業及優化

        這篇文章直接給出上次關於Kmeans聚類的籃球遠動員資料分析案例，同時介紹這次作業同學們完成的圖例，最後介紹Matplotlib包繪圖的優化知識。        希望這篇文章對你有所幫助，尤其是剛剛接觸資料探勘以及大資料的同學，同時準備嘗試以案例為主的方式進行

【python資料探勘課程】十七.社交網路Networkx庫分析人物關係（初識篇）

這是《Python資料探勘課程》系列文章，也是我大資料金融學院上課的部分內容。本章主要講述複雜網路或社交網路基礎知識，通過Networkx擴充套件包繪製人物關係，並分析了班級學生的關係學院資訊。本篇文章為初始篇，基礎文章希望對你有所幫助，如果文章中存在錯誤或不足支援，還請海涵

【python資料探勘課程】二十.KNN最近鄰分類演算法分析詳解及平衡秤TXT資料集讀取

這是《Python資料探勘課程》系列文章，也是我這學期上課的部分內容及書籍的一個案例。本文主要講述KNN最近鄰分類演算法、簡單實現分析平衡秤資料集，希望這篇文章對大家有所幫助，同時提供些思路。內容包括：

【python資料探勘課程】二十一.樸素貝葉斯分類器詳解及中文文字輿情分析

這是《Python資料探勘課程》系列文章，也是我上課內容及書籍中的一個案例。本文主要講述樸素貝葉斯分類演算法並實現中文資料集的輿情分析案例，希望這篇文章對大家有所幫助，提供些思路。內容包括：1.樸素貝葉斯數學原理知識    2.naive_bayes用法及簡單案例    3.

Python資料探勘課程 四.決策樹DTC資料分析及鳶尾資料集分析

        希望這篇文章對你有所幫助，尤其是剛剛接觸資料探勘以及大資料的同學，同時準備嘗試以案例為主的方式進行講解。如果文章中存在不足或錯誤的地方，還請海涵~ 一. 分類及決策樹介紹 1.分類         分類其實是從特定的資料中挖掘模式，作