IIS_2023_1/tepechin_kirill_lab_3/lab3.py

32 lines
1.4 KiB
Python
Raw Normal View History

2023-11-29 23:09:58 +04:00
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# Загрузка данных
data = pd.read_csv("smoking_driking_dataset.csv")
# Предварительная обработка данных
data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)
# Разделение данных на признаки (X) и целевую переменную (y)
X = data.drop(columns=['SMK_stat_type_cd'])
y = data['SMK_stat_type_cd']
# Разделение данных на обучающий и тестовый наборы
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.01, random_state=42)
# Создание и обучение модели
model = DecisionTreeClassifier(random_state=42)
model.fit(X_train, y_train)
# Предсказание на тестовом наборе
y_pred = model.predict(X_test)
# Оценка модели
accuracy = accuracy_score(y_test, y_pred)
print(f"Точность: {accuracy}")
# Важность признаков
feature_importance = pd.DataFrame({'Признак': X.columns, 'Важность': model.feature_importances_})
feature_importance = feature_importance.sort_values(by='Важность', ascending=False)
print("Важность признаков:\n", feature_importance)