ccc-机器学习算法基础-4

信息熵、信息增益

信息熵:一个系统的信息含量的量化指标
H(X)=− x∈χ∑ p(x)logp(x)
信息增益:定义为集合D的信息熵H(D)与特征A给定条件下D的信息条件熵H(D|A)之差,表示得知特征X的信息而使得类Y的信息的不确定性减少的程度
在这里插入图片描述
决策树的分类依据之一就是信息增益

决策树 API(泰坦尼克乘客生还概率)
import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier,export_graphviz

def decision():
    titan = pd.read_csv("./titanic.csv")
    x = titan[['pclass','age','sex']]
    y = titan['survived']
    x['age'].fillna(x['age'].mean(),inplace=True)

    x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.25)
    dict = DictVectorizer(sparse=False)
    x_train = dict.fit_transform(x_train.to_dict(orient="records"))
    print(dict.get_feature_names())
    x_test = dict.transform((x_test.to_dict(orient="records")))
    dec = DecisionTreeClassifier(max_depth=8)
    dec.fit(x_train,y_train)
    print("预测的准确率:",dec.score(x_test,y_test))
    export_graphviz(dec,out_file="./tree.dot",feature_names=['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'sex=female', 'sex=male'])
    return None

if __name__ == "__main__":
    decision()

在这里插入图片描述
在这里插入图片描述

说明:
随机森林

包含多个决策树的分类器,其输出的类别是由个别树输出的类别的众数而定。

建立决策树的过程
  • N表示训练用例的个数,M表示特征的数目
  • m << M,选出m个特征数目
  • 从N个训练用例中采取有放回抽样的方式,取样N次,形成训练集,并且使用未抽取的用例作预测,评估其误差
import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.tree import DecisionTreeClassifier,export_graphviz
from sklearn.ensemble import RandomForestClassifier

def decision():
    titan = pd.read_csv("./titanic.csv")
    x = titan[['pclass','age','sex']]
    y = titan['survived']
    x['age'].fillna(x['age'].mean(),inplace=True)

    x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.25)
    dict = DictVectorizer(sparse=False)
    x_train = dict.fit_transform(x_train.to_dict(orient="records"))
    print(dict.get_feature_names())
    x_test = dict.transform((x_test.to_dict(orient="records")))
    rf = RandomForestClassifier()
    parm = {"n_estimators":[120,200,300,500,800,1200],"max_depth":[5,8,15,25,30]}

    gc = GridSearchCV(rf,param_grid=parm,cv=2)
    gc.fit(x_train,y_train)
    print("预测概率为:",gc.score(x_test,y_test))
    print("查看选择的参数模型:",gc.best_params_)
    return None

if __name__ == "__main__":
    decision()

在这里插入图片描述

说明:
  • 只要选择参数合适,随机森林的准确率很高
  • 随机森林API在这里插入图片描述
几种分类算法总结

在这里插入图片描述

  • 0
    点赞
  • 0
    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