python 中的虹膜決策樹

Question

我正在嘗試了解決策樹，最終找到了一篇有關決策樹的文章。 這篇文章的目的是確定一朵花是否是鳶尾花，但我似乎遇到了一些錯誤，我希望有人能回答我得到兩個錯誤，如下所示：

iris: Bunch iris: inner_f 'tuple' 的實例沒有'target' 成員

和

iris: Bunch iris: inner_f 'tuple' 的實例沒有'data' 成員

我在 x = iris.data 行和 y = iris.target 行得到這些錯誤。

這是代碼：

import warnings
warnings.filterwarnings('ignore')

import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split

#load iris data
iris = datasets.load_iris()
x = iris.data
y = iris.target
d = [{"sepal_length":row[0], 
      "sepal_width":row[1], 
      "petal_length":row[2], 
      "petal_width":row[3]} for row in x]
df = pd.DataFrame(d) # construct dataframe
df["types"] = y # assign types
df = df.sample(frac=1.0) # random shuffle rows
df.head()

有沒有人知道我為什么會收到這些錯誤？

Answer 1

您的錯誤消息表明有問題的值iris是一個元組，它沒有您引用的屬性。 檢查您正在使用的工具的文檔； 他們應該解釋如何將datasets.load_iris()解壓縮到您需要的對象中。

Answer 2

在大多數情況下，我不會過濾警告，因為您可以從警告中獲得有用的信息。

因此，sklearn 數據集格式是一個 Bunch，它是一個像字典一樣工作的專用容器 object。 您可以使用點表示法訪問它，例如 iris.data 或字典表示法，例如 iris['data']。 在這里，不清楚您的機器上的錯誤是什么，因為我（像其他評論者一樣）在 python 3.8.5 中訪問 iris.data 或 iris['data'] 沒有問題。

我想讓你知道幾個地方來改進你的方法：

(1) It is unclear why you need to construct a dataframe as you can get the samples you need directly from calling train_test_split on the concatenated numpy arrays or you can get a random sample of indices from the numpy arrays directly.

(2) 您構建 dataframe 的方法比需要的復雜。

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split

# load iris data
iris = datasets.load_iris()

# train test split
X_train, y_train, X_test, y_test = train_test_split(iris.data, iris.target)

# random shuffle of data/target indices
rng = np.random.default_rng()
rng_size = iris.data.shape[0]
idx_sample = rng.choice(np.arange(rng_size), size=rng_size, replace=False)

# simpler way to create dataframe
# concatenate along the columns (axis 1)
# then set the column names in one place
df = pd.concat([pd.DataFrame(iris.data), pd.DataFrame(iris.target)], axis=1)
df.columns = ["sepal_length", "sepal_width", "petal_length", "petal_width", "types"]