决策树及随机森林(集成学习方法)预测泰坦尼克号生死

决策树概念

  1. 决策树是一种基本的分类与回归的方法,模型呈现属性结构,通常包括:特征选择,决策树的生成和决策树的修剪3个步骤。树可以看做是if-then的集合。
  2. 重点是决策树特征选择,特征的选择准则是信息增益或者信息增益比
  3. 信息增益的基本概念: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,通常用熵来表示随机变量不确定的程度。
  4. 决策树有ID3(信息熵) C4.5(信息增益) CART(基尼系数)三种算法,通常使用基尼系数算法,基尼系数小的作为最有特征。

随机森林

– 在决策树的基础上,构建每一棵树的流程是:

  1. 一次随机抽取一个样本(有可能抽到重复的样本,也可以理解为有放回的抽取数据,也叫boostrap抽样),重复N次,就得到了N个样本的训练集
  2. 从总数M个特征中随机抽取m个特征,m<<M
  3. 每棵树训练的样本是不同的,最后分类取决于多棵树投票表决最终的结果,也是弱分类器的特点。

案例

import pandas as pd
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier , export_graphviz
from sklearn.ensemble import RandomForestClassifier
#导入数据,查看数据的前10条及数据
  • 0
    点赞
  • 3
    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