معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Train a decision tree using the C4.5 algorithm by Quinlan

ویژگی	مقدار
سیستم عامل	-
نام فایل	c4dot5-decision-tree-1.2.1
نام	c4dot5-decision-tree
نسخه کتابخانه	1.2.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/c4dot5-decision-tree/
مجوز	MIT

# C4.5 Decision Tree Implementation of the Quinlan's algorithm to train a decision tree and make inference. # Installation ``` pip install c4dot5-decision-tree ``` # Usage To train a decision tree classifier, import the class DecisionTreeClassifier and call the .fit() method. The training dataset must be a pandas DataFrame with a column named *target* to identify the target classes of the classification. ```python import pandas as pd from c4dot5.DecisionTreeClassifier import DecisionTreeClassifier training_dataset = pd.read_csv("https://raw.githubusercontent.com/piepor/C4.5-Decision-Trees/main/src/data_example/training_dataset.csv") attributes_map = { "Outlook": "categorical", "Humidity": "continuous", "Windy": "boolean", "Temperature": "continuous"} decision_tree = DecisionTreeClassifier(attributes_map) decision_tree.fit(training_dataset) ``` To make predictions, simply use the .predict() method ```python data_input = pd.DataFrame.from_dict({ "Outlook": ["sunny"], "Temperature": [65], "Humidity": [90], "Windy": [False]}) prediction = decision_tree.predict(data_input) print(prediction) ``` To visualize the decision tree use method .view(). It will show the tree and save in a folder (default to './figures') ```python decision_tree.view(folder_name='figures', title='Quinlan-Tree') ``` To extract the splitting rules of the decision tree use the method .get_rules() ```python rules = decision_tree.get_rules() ```

نیازمندی

مقدار	نام
-	numpy
-	pandas
-	graphviz
-	scikit-learn
-	pip-tools
-	pytest

زبان مورد نیاز

مقدار	نام
>=3.9	Python

نحوه نصب

نصب پکیج whl c4dot5-decision-tree-1.2.1:

pip install c4dot5-decision-tree-1.2.1.whl

نصب پکیج tar.gz c4dot5-decision-tree-1.2.1:

pip install c4dot5-decision-tree-1.2.1.tar.gz