Muy buenas tardes
Presento el desafio, me apoye de los ejercicios pasados, sumado con ayuda de la IA
Paso 1: Cargar y expolorar los datos
from sklearn.datasets import load_iris
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
dataset = load_iris()
df = pd.DataFrame(dataset.data, columns=dataset.feature_names)
df['species'] = dataset.target
df.head()
Paso 2: Separar en variable para evitar que los datos de pruebas influyan en el funcionamiento
x = df.drop(columns=['species'])
y = df['species']
Paso 3: Entrenar el modelo
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=42)
Paso 4: Normalizar entrenamiento
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train) # solo para los datos de entrenamiento.
X_test_scaled = scaler.transform(X_test) #para los datos de prueba.
Paso 5: Entrenar tu modelo y evaluar el árbol de decisión
tree_model = DecisionTreeClassifier()
tree_model.fit(X_train_scaled, y_train)
tree_accuracy = accuracy_score(y_test, tree_model.predict(X_test_scaled))
print(f"Exactitud del modelo de Árbol de Decisión: {tree_accuracy * 100:.2f}%")
y_pred = tree_model.predict(X_test_scaled)
print("Valores reales:")
print(y_test.values)
print("Predicciones:")
print(y_pred)
Muchas gracias
