决策树分类项目简介

项目概述

本项目旨在利用 Python 的 scikit-learn 库构建一个基于决策树算法（Decision Tree Classifier）的分类模型。决策树是一种监督学习算法，通过一系列规则对数据进行划分，最终形成树状结构，用于预测离散的目标变量。

核心功能

1. 数据预处理：自动加载示例数据集（鸢尾花数据集），并将其划分为特征矩阵 $X$ 和目标向量 $y$。
2. 模型训练：使用基尼系数（Gini Impurity）作为分裂标准，限制最大深度以防止过拟合，在训练集上拟合决策树。
3. 模型评估：在测试集上进行预测，计算准确率（Accuracy）并生成详细的分类报告（包含精确率、召回率和 F1 分数）。
4. 模型持久化：将训练好的模型保存为 .pkl 文件，便于后续直接加载使用而无需重新训练。

技术栈

• 语言: Python 3.8+
• 核心库:
  • pandas: 数据处理
  • scikit-learn: 机器学习算法实现
  • joblib: 模型序列化与保存
  • matplotlib: (可选) 树结构可视化

运行方式

确保已安装依赖库 (pip install pandas scikit-learn matplotlib joblib)，直接在终端运行：

python main.py

结果展示说明

本部分描述运行 main.py 后的控制台输出逻辑及预期结果。

1. 输入描述

程序内部硬编码了鸢尾花（Iris）数据集作为输入源，无需用户手动输入文件。数据包含 150 个样本，每个样本有 4 个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和 1 个目标类别（山鸢尾、变色鸢尾、维吉尼亚鸢尾）。

程序执行逻辑如下：

• 读取内存中的数据集。
• 随机将数据按 7:3 比例划分为训练集和测试集（随机种子固定为 42，保证结果可复现）。
• 构建最大深度为 3 的决策树进行训练。

2. 输出描述

程序运行结束后，终端将依次输出以下文本内容：

A. 模型准确率

输出一行浮点数，表示模型在测试集上的预测正确率。

• 预期格式: 模型准确率：0.XXXX
• 预期数值: 由于随机种子固定且数据简单，准确率通常在 0.9500 到 1.0000 之间（例如：模型准确率：0.9778）。

B. 分类报告

输出一个表格形式的文本，展示每一类的性能指标。

• 预期格式:

```text
分类报告:
precision recall f1-score support

   setosa       1.00      1.00      1.00        15

versicolor 0.94 0.94 0.94 16
virginica 0.94 0.94 0.94 14

 accuracy                           0.96        45
macro avg       0.96      0.96      0.96        45

weighted avg 0.96 0.96 0.96 45
```

• 含义: 展示了每种植物类别的精确率（precision）、召回率（recall）、F1 分数以及支持度（support，即测试集中该类的样本数）。

C. 保存确认信息

输出提示模型文件已成功写入磁盘。

• 预期内容: 模型已保存为 decision_tree_model.pkl
• 副作用: 当前目录下会生成一个名为 decision_tree_model.pkl 的二进制文件，大小约为几 KB。

3. 后续验证（非自动输出，供用户参考）

若用户加载生成的 decision_tree_model.pkl 并输入一组新的特征数据（例如：[5.1, 3.5, 1.4, 0.2]），模型将输出预测类别索引（如 0），对应名称为“山鸢尾（setosa）”。