Inteligentny_Wozek/drzewo_decyzyjne.py

50 lines
1.5 KiB
Python
Raw Normal View History

2023-05-30 18:47:23 +02:00
import graphviz
2023-05-30 19:09:24 +02:00
import joblib
2023-05-30 18:47:23 +02:00
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
def make_tree():
plikZPrzecinkami = open("training_data.txt", 'w')
with open('DecisionTree/200permutations_table.txt', 'r') as plik:
for linia in plik:
liczby = linia.strip()
wiersz = ""
licznik = 0
for liczba in liczby:
wiersz += liczba
wiersz += ";"
wiersz = wiersz[:-1]
wiersz += '\n'
plikZPrzecinkami.write(wiersz)
plikZPrzecinkami.close()
x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
2023-05-30 19:09:24 +02:00
2023-05-30 18:47:23 +02:00
# Tworzenie instancji klasyfikatora ID3
clf = DecisionTreeClassifier(criterion='entropy')
# Trenowanie klasyfikatora
clf.fit(x.values, y.values)
2023-05-30 19:09:24 +02:00
# Zapis drzewa do pliku
joblib.dump(clf, 'DecisionTree/wyuczone_drzewo.pkl')
2023-05-30 18:47:23 +02:00
2023-05-30 19:09:24 +02:00
return clf
2023-05-30 18:47:23 +02:00
2023-05-30 19:09:24 +02:00
def stworz_plik_drzewa_w_pdf(clf, feature_names, class_names):
# Wygenerowanie pliku .dot reprezentującego drzewo
dot_data = export_graphviz(clf, out_file=None, feature_names=feature_names, class_names=class_names, filled=True,
rounded=True)
# Tworzenie obiektu graphviz z pliku .dot
graph = graphviz.Source(dot_data)
2023-05-30 18:47:23 +02:00
2023-05-30 19:09:24 +02:00
# Wyświetlanie drzewa
graph.view()