from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier, plot_tree import matplotlib.pyplot as plt import pandas as pd data = pd.read_csv("dane.csv") print(data) # Wczytanie danych X = data.drop(columns=["podlac"]) X = pd.get_dummies(X) y = data["podlac"] # Podział danych na zbiór treningowy i testowy X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) # Inicjalizacja i dopasowanie modelu drzewa decyzyjnego model = DecisionTreeClassifier(max_depth=4) model.fit(X_train, y_train) # Wyliczenie poprawności algorytmu accuracy = model.score(X_test, y_test) print("Accuracy:", accuracy) # Wyświetlenie drzewa decyzyjnego plt.figure(figsize=(20, 20)) plot_tree(model, feature_names=X.columns, class_names=sorted(y.unique()), filled=True) plt.show() #Marchew = 1 #zmiemniaki = 2 #pomidor = 3 #salata = 4 #cebula = 5 #Papryka = 6 #Buraki = 7 #Bruksela = 8 #Rzepak = 9 #Szpinak = 10