【Python机器学习基础教程5】监督学习算法——决策树

决策树是广泛用于分类和回归任务的模型。
构造决策树如果不进行控制,每个叶结点都是纯叶结点,这样会造成过拟合。

防止过拟合的方法有两种:预剪枝和后剪枝。sklearn只实现了预剪枝,包括限制树的最大深度、限制叶结点的最大数目等等。

1、分类

下面用乳腺癌数据集来训练一个决策树模型,并进行预剪枝,设置其最大深度为4

from sklearn.datasets import load_breast_cancer
from sklearn.tree import DecisionTreeClassifier, export_graphviz
from sklearn.model_selection import train_test_split

cancer = load_breast_cancer()

X_train, X_test, y_train, y_test = train_test_split(cancer['data'], cancer['target'], stratify=cancer['target'],
                                                    random_state=42)
DecTree = DecisionTreeClassifier(max_depth=4, random_state=0)
DecTree.fit(X_train, y_train)

print("Accuracy on training set: {:.3f}".format(DecTree.score(X_train, y_train)))
print("Accuracy on test set: {:.3f}".format(DecTree.score(X_test, y_test)))

训练精度:

Accuracy on training set: 0.988
Accuracy on test set: 0.951

下面对该决策树进行可视化:

import graphviz

export_graphviz(DecTree, out_file="cancer_tree.dot", class_names=["malignant", "benign"],
                feature_names=cancer['feature_names'], impurity=False, filled=True)

with open("cancer_tree.dot") as f:
    dot_graph = f.read()
dot = graphviz.Source(dot_graph)
dot.view()

从树中可以看出,有些特征并没有用到,而有的缺显得非常重要,比如worst radius,下面就展示一下各个特征的重要性

n_features = cancer['feature_names'].shape[0]
plt.figure(figsize=(6, 4))
plt.barh(range(n_features), DecTree.feature_importances_)
plt.yticks(np.arange(n_features), cancer['feature_names'])
plt.show()

2、回归

基于决策树的回归模型有一大缺点,即不能在训练数据范围之外进行预测。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值