决策树的划分依据之一:信息增益
特征A对训练数据集D的信息增益g(D,A)定义为集合D的信息增益H(D)与特征A给定条件下D 的信息条件熵H(D|A)之差,即公式为:
g(D,A)=H(D)=H(D|A)
注:信息增益表示得知特征X 的信息而使得类Y的信息不确定性减少的程度
信息增益:
当得到一个条件后减少的信息熵 的大小
如何计算
g(D,A)=H(D)=H(D|A)
具体操作:
sklearn决策树API
- class slklearn.tree.Decli\lsionTreeClassifier(criterion=“gine”,max_depth=None.random_state=Nine)
- 决策树分类器
- criterion默认时gini参数,也可以选择信息增益的熵entropy
- max_depth:树的深度大小
- random_state:随机种子
- method
- decition_path:返回树的路径
决策树的结构、本地保存
- sklean.tree.export_graphviz() 该函数导出DOT格式
tree.export_graphviz(estimetor.out_file=“tree.dot”,feature_names=(",") - 工具(能够将dot文件准换为pdf,prg)
安装graphviz
ubuntu: sudo apt-get install graphviz mac:brew install graphviz - 运行命令
然后我们运行这个命令 dot - Tpng tree.dot -o tree.png
代码
from sklearn.datasets import load_iris,fetch_20newsgroups,load_boston
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.feature_extraction.text import TfidfVectorizer
import pandas as pd
from sklearn.naive_bayes import MultinomialNB #朴素贝叶斯算法
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier,export_graphviz
def decision():
"""决策树预测生死"""
# 获取数据
titan=pd.read_csv("http://www/.../")
# 处理数据,找出特征值和目标值
x=titan[["pclass","age","sex"]]
y=titan["survived"]
# 处理缺失值
x['age'].fillna(x["age"].mean(),implace=True)
# 分割数据数据集
x_train,x_text,y_train,y_text=train_test_split(x,y,text_size=0.25)
print(x)
# 处理(特征工程)特征-》类别 one-hot编码
mydict=DictVectorizer(sparse=False)
x_train=mydict.fit_transform(x_train.to_dict(orient="records"))
x_text=mydict.transform(x_text.to_dict(orient="recods"))
print(x_train)
dec=DecisionTreeClassifier(max_depth=5)
dec.fit(x_train,y_train)
print("预测的准确率为:",dec.score(x_text,y_text))
# 导出决策树结构
export_graphviz(dec,out_file="./tree.dot",feature_names=["年龄","pclass=1st","pclass=2nd","pclass=3rd","女性","男性"])
return None
def main():
decision()
if __name__ == '__main__':
main()
决策树的优缺点以及改进
- 优点
- 简单的理解和解释
- 需要很少的数据准备,其他数据通常需要数据归一化
- 缺点
- 决策树学习者可以创建不能很好的推广数据过于复杂的树这被成为过拟合
- 改进
- 减枝cart算法(决策树API中已经实现,随机森林参数调优有相关介绍)
- 随机森林
注:企业重要决策,由于决策树有很好的分析能力,在决策过程应用较多