import?numpy?as?np
import?matplotlib.pyplot?as?plt
from?matplotlib.colors?import?ListedColormap
from?sklearn?import?tree?datasets
from?sklearn.model_selection?import?train_test_split

wine?=?datasets.load_wine（）
X?=?wine.data[::2]
y?=?wine.target
X_train?X_test?y_train?y_test?=?train_test_split（Xy）

#?#max_depth=1
clf?=?tree.DecisionTreeClassifier（max_depth=1）
clf.fit（X_trainy_train）

clf.score（X_test?y_test）


#定義圖像中分區的顏色和散點的顏色
cmap_light?=?ListedColormap（[‘#FFAAAA‘?‘#AAFFAA‘?‘#AAAAFF‘]）
cmap_bold?=?ListedColormap（[‘#FF0000‘?‘#00FF00‘?‘#0000FF‘]）

#分別用樣本的兩個特征值創建圖像和橫軸和縱軸
x_min?x_max?=?X_train[:?0].min（）?-?1?X_train[:?0].max（）?+?1
y_min?y_max?=?X_train[:?1].min（）?-?1?X_train[:?1].max（）?+?1
xx?yy?=?np.meshgrid（np.arange（x_min?x_max?.02）
?????????????????????np.arange（y_min?y_max?.02））
Z?=?clf.predict（np.c_[xx.ravel（）?yy.ravel（）]）

#給每個分類中的樣本分配不同的顏色
Z?=?Z.reshape（xx.shape）
plt.figure（）
plt.pcolormesh（xx?yy?Z?cmap=cmap_light）

#用散點把樣本表示出來
plt.scatter（X[:?0]?X[:?1]?c=y?cmap=cmap_bold?edgecolor=‘k‘?s=20）
plt.xlim（xx.min（）?xx.max（））
plt.ylim（yy.min（）?yy.max（））
plt.title（“Classifier:（max_depth?=?1）“）
plt.show（）

#?#max_depth=3
clf2?=?tree.DecisionTreeClassifier（max_depth=3）
clf2.fit（X_trainy_train）
clf2.score（X_test?y_test）


#定義圖像中分區的顏色和散點的顏色
cmap_light?=?ListedColormap（[‘#FFAAAA‘?‘#AAFFAA‘?‘#AAAAFF‘]）
cmap_bold?=?ListedColormap（[‘#FF0000‘?‘#00FF00‘?‘#0000FF‘]）

#分別用樣本的兩個特征值創建圖像和橫軸和縱軸
x_min?x_max?=?X_train[:?0].min（）?-?1?X_train[:?0].max（）?+?1
y_min?y_max?=?X_train[:?1].min（）?-?1?X_train[:?1].max（）?+?1
xx?yy?=?np.meshgrid（np.arange（x_min?x_max?.02）
?????????????????????np.arange（y_min?y_max?.02））
Z?=?clf2.predict（np.c_[xx.ravel（）?yy.ravel（）]）

#給每個分類中的樣本分配不同的顏色
Z?=?Z.reshape（xx.shape）
plt.figure（）
plt.pcolormesh（xx?yy?Z?cmap=cmap_light）

#用散點把樣本表示出來
plt.scatter（X[:?0]?X[:?1]?c=y?cmap=cmap_bold?edgecolor=‘k‘?s=20）
plt.xlim（xx.min（）?xx.max（））
plt.ylim（yy.min（）?yy.max（））
plt.title（“Classifier:（max_depth?=?3）“）

plt.show（）

#?#max_depth=5
clf3?=?tree.DecisionTreeClassifier（max_depth=5）
clf3.fit（X_trainy_train）
clf3.score（X_test?y_test）

#定義圖像中分區的顏色和散點的顏色
cmap_light?=?ListedColormap（[‘#FFAAAA‘?‘#AAFFAA‘?‘#AAAAFF‘]）
cmap_bold?=?ListedColormap（[‘#FF0000‘?‘#00FF00‘?‘#0000FF‘]）

#分別用樣本的兩個特征值創建圖像和橫軸和縱軸
x_min?x_max?=?X_train[:?0].min（）?-?1?X_train[:?0].max（）?+?1
y_min?y_max?=?X_train[:?1].min（）?-?1?X_train[:?1].max（）?+?1
xx?yy?=?np.meshgrid（np.arange（x_min?x_max?.02）
?????????????????????np.arange（y_min?y_max?.02））
Z?=?clf3.predict（np.c_[xx.ravel（）?yy.ravel（）]）

#給每個分類中的樣本分配不同的顏色
Z?=?Z.reshape（xx.shape）
plt.figure（）
plt.pcolormesh（xx?yy?Z?cmap=cmap_light）

#用散點把樣本表示出來
plt.scatter（X[:?0]?X[:?1]?c=y?cmap=cmap_bold?edgecolor=‘k‘?s=20）
plt.xlim（xx.min（）?xx.max（））
plt.ylim（yy.min（）?yy.max（））
plt.title（“Classifier:（max_depth?=?5）“）

plt.show（）



####################

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-06-11?20:59??4?決策樹\
?????目錄???????????0??2019-06-11?11:39??4?決策樹\.ipynb_checkpoints\
?????文件??????171990??2019-05-10?09:28??4?決策樹\.ipynb_checkpoints\4.Tree-checkpoint.ipynb
?????文件??????171964??2019-05-10?09:27??4?決策樹\.ipynb_checkpoints\Ch6-checkpoint.ipynb
?????文件??????171990??2019-05-10?15:27??4?決策樹\4.Tree.ipynb
?????文件?????2600551??2019-05-10?12:28??4?決策樹\4.pptx
?????文件??????????89??2019-05-06?02:20??4?決策樹\Index?of?-ml-machine-learning-databases-adult.url
?????文件????????6610??2019-05-06?02:23??4?決策樹\Tree.py
?????目錄???????????0??2019-06-11?11:39??4?決策樹\data\
?????文件?????3974305??2019-05-06?02:23??4?決策樹\data\adult.data
?????文件????????5229??2019-05-06?02:21??4?決策樹\data\adult.names
?????文件?????2003153??2019-05-06?02:21??4?決策樹\data\adult.test
?????文件????????1774??2019-05-10?09:26??4?決策樹\wine.dot