Python版数据挖掘实验4报告.docVIP

华 南 农 业 大 学 综 合 实 验 报 告 学生姓名：洪毓阳 学 号：201512010107 实验持续时间： 一、实验名称：用决策树预测获胜球队 实验目的： 用决策树预测获胜球队 实验内容： 用决策树预测获胜球队 3、实验环境（设备、软件、实验数据）： 设备：笔记本电脑 软件：Python idle 实验数据：leagues_NBA_2013_standings_expanded-standings.csv, leagues_NBA_2014_games_games.csv 实验步骤： 加载库，读取数据并进行处理； import pandas as pd import os from sklearn.model_selection import train_test_split from sklearn.model_selection import cross_val_score import numpy as np from collections import defaultdict from sklearn.tree import DecisionTreeClassifier from sklearn.preprocessing import LabelEncoder from sklearn.preprocessing import OneHotEncoder # 添加文件路径,路径最好不要出现中文 dataFolder = ’G:\Python36\leagues_NBA_2014_games_games.csv’;data_filename = os.path.join(dataFolder, basketball, leagues_NBA_2014_games_games.csv); with open(data_filename) as data_filename: #读取数据的同时，将第一二列合并为一列 dataset = pd.read_csv(data_filename, parse_dates=[[0,1]] #我们可以通过下面这个方法对数据进行查看 #dataset.iloc[:5] #对数据重新命名头部 dataset.columns = [“Date”, “Visitor Team”, “VisitorPts”, “Home Team”, “HomePts”, “OT?”, “Notes”]#对数据进行排序并重新建立索引。当然也可以不进行排序，这个影响并不大。 #sort()排序函数已经在pandas0.20以后被弃用，一旦使用将报错，只能使用sort_values()/sort_index()dataset.sort_values(by=[Date], ascending=True, inplace=True)dataset = dataset.reset_index(drop=True) 创建字典，储存比赛结果，抽取数据特征； #创建（默认）字典，用于存储球队上次比赛的结果。该语句作用为当字典内不存在查找的key时，返回括号内（factory_function）类型的默认值；int默认值0 won_last = defaultdict(bool) #新增一列HomeWin,该列判断对应的数据是否主场胜利。将是否主场胜利作为预测结果dataset[“HomeWin”] = dataset[“VisitorPts”] dataset[“HomePts”] y_true = dataset[“HomeWin”].values #创建两个能帮助我们进行预测的特征，分别是这两支队伍上场比赛的胜负情况。赢得上场比赛，大致可以说明该球队水平较高。dataset[HomeLastWin] = 0dataset[VisitorLastWin] = 0 for index, row in dataset.iterrows(): home_team = row[Home Team] visitor_team = row[Visitor Team] row[HomeLastWin] = won_last[home_team] row[VisitorLastWin] = won_last[visitor_team] dataset.iloc[index] = row #用当前比赛（遍历到的那一行数据所表示的比赛）的结果更新两支球队上场比赛的获胜情况，以便下次再遍历到这两支球队时使用。 won_last[home_team] = row[HomeWin] won_last[visito