先程のentryで decision tree を使いましたので、 おまけで、ランダムフォレスト
#!/usr/local/bin/python3 # -*- coding: utf-8 -*- from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score def main(): iris_list = load_iris() # アヤメdataの読込み # 学習用dataと、test用dataに分割 x_train, x_test, t_train, t_test = \ train_test_split( iris_list.data, # 説明変数(花びらのsizeや幅,長さ ※1) iris_list.target, # 目的変数(ヤメの種類 ※2) test_size=0.3, # 3割をtest用に random_state=0 ) # ランダムフォレストmodel作成 model = RandomForestClassifier() # 学習 model.fit(x_train, t_train) # test dataによる推測 test = model.predict(x_test) # 推測結果の答え合わせ print( accuracy_score(t_test, test) ) if __name__ == '__main__': main()
