一、前言
首先,我们需要导入所需的库,并加载数据集。数据集包含多个特征,如客户年龄、性别、收入等,以及一个目标变量“流失状态”。
接下来,我们将数据集划分为训练集和测试集。这里我们使用80%的数据作为训练集,剩余的20%作为测试集。
然后,我们将使用训练集来训练决策树模型。我们设置决策树的最大深度为6,并使用基尼指数作为划分标准。
训练完成后,我们将在训练集和测试集上分别进行预测,并计算混淆矩阵和分类报告来评估模型的性能。
最后,我们将决策树的可视化结果保存为图片,以便更好地理解模型的决策过程。
二、代码
import pandas as pd
#可视化混淆矩阵
def cm_plot (y,yp):
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
cm=confusion_matrix(y,yp)
plt.matshow(cm,cmap=plt.cm.Blues)
plt.colorbar()
for x in range (len(cm)):
for y in range (len(cm)):
plt.annotate(cm[x,y],xy=(y,x),horizontalalignment='center',
verticalalignment='center')
plt.ylabel('True label')
plt.xlabel('Predicted label')
return plt
datas=pd.read_excel("../电信客户流失数据.xlsx")
print(datas.head())
data=datas.drop('流失状态',axis=1)
target=datas[['流失状态']] #将变量与结果分开
'''切分数据'''
from sklearn.model_selection import train_test_split
data_train,data_test,target_train,target_test=train_test_split(data,target,
test_size=0.2,random_state=42) #切分数据集,测试集为30%,随机划分random_state=0,不会出现上面全是0.下面全是1
# 定义决策树
from sklearn import tree
dtr=tree.DecisionTreeClassifier(criterion='gini',max_depth=6,random_state=42)
dtr.fit(data_train,target_train)
'''训练数据集的混淆矩阵'''
# 训练集预测
train_predicted=dtr.predict(data_train)
from sklearn import metrics
print(metrics.classification_report(target_train,train_predicted))
cm_plot(target_train,train_predicted).show()
# 测试集预测
test_predicted=dtr.predict(data_test)
print(metrics.classification_report(target_test,test_predicted))
cm_plot(target_test,test_predicted)
# 生成可视化展示
import os
import pydotplus
from IPython.display import Image
os.environ["PATH"] += os.pathsep + 'D:\graphviz—2.38\bin'
dot_data=tree.export_graphviz(dtr,out_file=None,feature_names=data.columns,
filled=True,impurity=False,rounded=True)
# 导入pydotplus库解读.dot文件
graph=pydotplus.graph_from_dot_data(dot_data)
graph.get_nodes()[7].set_fillcolor('#FFF2DD')
Image(graph.create_png())
# 导出决策树的图
graph.write_png('dtr.png')