import graphviz 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']) # # X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1) # 70% treningowe and 30% testowe # # Tworzenie instancji klasyfikatora ID3 # clf = DecisionTreeClassifier(criterion='entropy') # # Trenowanie klasyfikatora # clf.fit(x.values, y.values) # # clf.fit(X_train, y_train) # return clf plikZPrzecinkami = open("training_data.txt", 'w') with open('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('training_data.txt', delimiter=';', names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d']) y = pd.read_csv('decisions.txt', names=['polka']) # X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1) # 70% treningowe and 30% testowe # Tworzenie instancji klasyfikatora ID3 clf = DecisionTreeClassifier(criterion='entropy') # Trenowanie klasyfikatora clf.fit(x.values, y.values) # clf.fit(X_train, y_train) # Predykcja na nowych danych new_data = [[2, 2, 1, 0, 1, 1, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0]] predictions = clf.predict(new_data) # y_pred = clf.predict(X_test) print(predictions) # print("Accuracy:", clf.score(new_data, predictions)) # print("Accuracy:", metrics.accuracy_score(y_test, y_pred)) # Wygenerowanie pliku .dot reprezentującego drzewo dot_data = export_graphviz(clf, out_file=None, feature_names=list(x.columns), class_names=['0', '1'], filled=True, rounded=True) # Tworzenie obiektu graphviz z pliku .dot graph = graphviz.Source(dot_data) # Wyświetlanie drzewa graph.view() z = pd.concat([x, y], axis=1) z.to_csv('dane.csv', index=False)