sexta-feira, 26 de janeiro de 2018

Decision Trees

Neste artigo criamos uma árvore de decisão para classificar o género de pessoas com base na sua altura, peso e tamanho do calçado.

Para começar importamos da framework sklearn a class tree.

from sklearn import tree

De seguida criamos um vetor X com os valores que permitem criar uma tendência.

X=[[181,80,44],[177,70,43],[160,60,38],[154,54,37],[166,65,40],[190,90,47],[175,64,39],[177,70,40],[159,55,37],
[171,75,42],[181,85,43]]

A estes valores temos de juntar a classificação de cada elemento, por isso criamos o vetor Y.

Y=['male','female','female','female','male','male','male','female','male',
'female','male']

Agora podemos criar um objeto do tipo DecisionTreeClassifier.

clf=tree.DecisionTreeClassifier()

Inserimos os valores e as classificações.

clf=clf.fit(X,Y)

Por fim podemos fazer uma previsão com base num exemplo novo.

prediction=clf.predict([[160,50,33]])

print(prediction)

Basta alterar os valores para obter uma classificação diferente.


Vídeo no YouTube

Sem comentários:

Enviar um comentário