决策树sklearn包细节讲解

本篇介绍一些决策树的sklearn包tree的知识点，关于决策树的原理可参考文章决策树之原理与调参。

1.决策树的sklearn包介绍

python可以实现分类树和回归树两种：

from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import DecisionTreeRegressor

介绍几个调参比较重要的参数。

criterion：划分标准，就是决策树的分裂标准。对于分类树，可选“gini”或“entropy”，即Gini不纯度或信息增益；对于回归树，可选“mse”,“friedman_mse”和“mae”，即均方误差、改进型的均方误差和平均绝对误差

max_depth：决策树的最大深度

min_samples_split：非叶子节点最小分割样本数

min_samples_leaf：叶子节点最小样本数

max_features：搜寻最佳分裂的最大特征数量

ccp_alpha：CCP算法的误差率增益率α阈值，小于该值的误差率增益率对应的节点都会被剪枝

决策树的应用方法除了sklearn包统一的predict外，还有几个输出方法需要介绍一下：

apply：返回每个样本被预测为的叶子节点索引

decision_path：返回决策路径

cost_complexity_pruning_path：返回两个参数，第一个是CCP剪枝后决策树序列T0,T1,...,Tt对应的误差率增益率α；第二个是剪枝后决策树所有叶子节点的不纯度

这里介绍一下sklearn内值包对决策树的索引编码规则。

从根节点开始，先穷尽左边所有路径，再倒序返回右边路径，并从0开始依次编码

举一个例子：

2.决策树可视化

一颗决策树训练完毕后，为了评估决策树的效果，一方面，我们当然希望可以把它可视化，方便阅读；另一方面，希望可以对每一个节点的信息做一些数据分析。本节从可视化和决策树结果数据分析两个角度介绍一些工具。

首先，在Python可以实现可视化，需要用到os、pydotplus、Image和graphviz等包，其中os、pydotplus、Image直接导入即可

import os
import pydotplus
from IPython.display import Imag