Форум сайта python.su
Исправил, чтобы выводило график.
# from sklearn import tree from matplotlib import pyplot as plt data = [[5.1, 3.5, 1.4, 0.2], #1 [4.9, 3.0, 1.4, 0.2], #2 [4.7, 3.2, 1.3, 0.2], #3 Первая пятерка цветочков наших(setosa) [4.6, 3.1, 1.5, 0.2], #4 [5.0, 3.6, 1.4, 0.3], #5 [5.6, 2.9, 3.6, 1.3], #6 [6.7, 3.1, 4.4, 1.4], #7 [5.6, 3.0, 4.5, 1.5], #8 Второй ряд (versicolor) [5.8, 2.7, 4.1, 1.0], #9 [6.2, 2.2, 4.5, 1.5], #10 [6.0, 2.2, 5.0, 1.5], #11 [5.6, 2.8, 4.9, 2.0], #12 [7.7, 2.8, 6.7, 2.0], #13 Третий ряд (virginica) [6.3, 2.7, 4.9, 1.8], #14 [6.7, 3.3, 5.7, 2.1]] #15 classes = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2] data2 = [[6.9, 3.2, 5.7, 2.3], [5.0, 3.6, 1.4, 0.3], [5.4, 3.9, 1.7, 0.4], [5.1, 3.7, 1.5, 0.4], [4.6, 3.6, 1.4, 0.2], [5.1, 3.3, 1.7, 0.5], [4.8, 3.4, 1.9, 0.2], [5.0, 3.0, 1.6, 0.2], [5.0, 3.4, 1.6, 0.4], [5.0, 3.3, 1.4, 0.2], [7.0, 3.2, 4.7, 1.4], [6.4, 3.2, 4.5, 1.5], [6.9, 3.1, 4.9, 1.5], [5.5, 2.3, 4.0, 1.3], [6.3, 3.3, 4.7, 1.6], [4.9, 2.4, 3.3, 1.0], [6.6, 2.9, 4.6, 1.3], [6.3, 2.5, 5.0, 1.9], [6.5, 3.0, 5.2, 2.0], [6.2, 3.4 ,5.4 ,2.3]] decision_tree = tree.DecisionTreeClassifier() decision_tree.fit(data, classes) test = decision_tree.predict(data2) print(test) # Т..е здесь она заканчивает счет #И вот тут должен быть цикл между ними,которой посчитает колиичество повторяющихся элементов и отдаст их нормально таблицы #график labels = ['setosa', 'versicolor', 'virginica'] count = [6, 3, 7] #Тут должен быть резутат таблицы( Т.е. сколько цветочков первого вида,сколько второго) indexes = range(len(count)) fig, ax = plt.subplots() bars = plt.bar(indexes, count, align='center') plt.title('Iris flowers distribution', color ='green') plt.ylabel('Count') ax.set_xticks(indexes) ax.set_xticklabels(labels) plt.show()
Офлайн