Python决策树代码

说明

这个是今天上课的代码，记录一下吧，以前都没有这种意识，学过就忘了。

环境

这里用的是anaconda，要用到这里面的代码，还需要下载额外的软件。当你下载好了anaconda之后在“开始”处可以找到“所有程序”中的anaconda文件夹中会有下面的文件。
一般我们打开jupyter notebook，在里面new一个Python就可以开始写代码了。

要能够画图还需要下载一个软件

安装时可以根据下面这篇配置环境
https://jingyan.baidu.com/article/020278115032461bcc9ce598.html
最后那步显示图片的可以先放着，不用跟着最后一步做。
配置好之后就依次在Anaconda Prompt命令窗口输入

pip install graphviz

pip install pydotplus

当出现下面的图时，说明安装成功

数据

看一下这里用的数据

这里的D到Q列我们作为属性输入，S列是根据R列true为1，false为0转换过来的，用来作为结果，因为Python中用于处理的数据要是数值型的，所以要转化，如果这里要用到ABC列的数据也需要转化。

代码

# Importing the libraries
#导入包
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
#取数据
dataset = pd.read_csv('C:/Users/Administrator/Desktop/chap4.csv')
#这里取桌面的chap4的代码
#这里取D到Q列
X = dataset.iloc[:,3:16].values
#这里取S列
y = dataset.iloc[:,18].values

# Splitting the dataset into the Training set and Test set
#将数据集拆分为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)

# Feature Scaling

from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test = sc_X.transform(X_test)

# Fitting Classifier  to the Training set
#训练集的分类器拟合
from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier(criterion = 'entropy', random_state=0,class_weight={0:1,1:10})
#这里的class_weight={0:1,1:10},max_depth=20参数可以不用加入
# classifier = DecisionTreeClassifier(criterion = 'entropy', random_state=0)
classifier.fit(X_train,y_train)

# Predicting the Test set results
#预测测试集结果
y_pred = classifier.predict(X_test)

# Making the Confusion Matrix
#制作混淆矩阵
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)

scoretest = classifier.score(X_test,y_test)

from IPython.display import Image
import pydotplus
from sklearn import tree
# 可视化决策树
dot_data = tree.export_graphviz(classifier, out_file=None,
                               filled=True, rounded=True,
                               special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
# 显示图片
# graph.get_nodes()[7].set_fillcolor("#FFF2DD")
graph.write_png("C:/Users/Administrator/Desktop/out.png")
#这里我把图片输出到桌面的out.png

出现结果为True说明代码运行成功。
代码里面有这个方法DecisionTreeClassifier(criterion = ‘entropy’,random_state=0,class_weight={0:1,1:10})，这里的class_weight是为了处理结果不平衡的问题，该方法中还可以使用很多参数，可以参考API文档。可以根据自己的需要加入参数，地址是：
https://scikitlearn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier

结果

看一下细节