《机器学习实战》个人学习记录笔记（六）———Sklearn决策树预测隐形眼镜类型

最新推荐文章于 2024-04-17 15:44:18 发布
最新推荐文章于 2024-04-17 15:44:18 发布
阅读量960 收藏 4
点赞数 2
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41010142/article/details/79955284
版权

第三章 决策树

PS：个人笔记 根据《机器学习实战》这本书，Jack-Cui的博客，以及深度眸的视频进行学习

1 使用Sklearn构建决策树

使用的是DecisionTreeClassifier和export_graphviz，前者用于决策树构建，后者用于决策树可视化。


2 DecisionTreeClassifier构建决策树

criterion：特征选择标准，可选参数，默认是gini，可以设置为entropy。gini是基尼不纯度，是将来自集合的某种结果随机应用于某一数据项的预期误差率，是一种基于统计的思想。entropy是香农熵，也就是上篇文章讲过的内容，是一种基于信息论的思想。Sklearn把gini设为默认参数，应该也是做了相应的斟酌的，精度也许更高些？ID3算法使用的是entropy，CART算法使用的则是gini。

splitter：特征划分点选择标准，可选参数，默认是best

最低0.47元/天 解锁文章
方玲是个小可爱
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python:用sklearn中的DecisionTreeClassifier，根据iris数据生成决策树 并实现西瓜书 决策树
Alphy_Hongwu的博客
05-10 1132
需求包分析： 关键词：sklearn、DecisionTreeClassifier、iris数据、决策树 对应包：sklearn.tree.DecisionTreeClassifier、sklearn.datasets.load_iris、matplotlib.pyplot 分析完毕，实现代码如下 import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn import tree iris = lo
python 决策树模型_如何利用Python建立决策树模型?
weixin_42315341的博客
01-28 659
Python的机器学习包中的DecisionTreeClassifier可以进行决策树分类。1.输入数据集。import pandasaspddf=pd.DataFrame({'name':['Lily','Lucy','Jim','Tom','Anna','Jack','Sam'],'weight':[42,38,78,67,52,80,92],'height':[162,158,...
sklearn中决策树算法实例--泰坦尼克号人员生存预测
最新发布
weixin_50626279的博客
04-17 495
运用sklearn中的函数，根据数据集中的数据，预测哪些乘客可以从泰坦尼克号沉船事故中幸免。
机器学习之决策树：原理及ID3算法手动实现，sklearn.tree.DecisionTreeClassifier参数详解
zero33325的博客
09-04 2626
决策树简介 决策树是一种基本的分类与回归方法，这里主要讨论用于分类的决策树。决策树模型是一种树形结构，在分类问题中表示基于特征对实例进行分类的过程。决策树的学习主要包括3个步骤：特征选择，决策树的生成，决策树的剪枝。 决策树模型与学习 决策树模型 分类决策树是一种描述对实例分类的属性结构，决策树由节点和有向边组成，节点分为叶节点(leaf node)和内部节点(internal node)，内部节点表示一个特征(根节点也是一个内部节点)，而叶节点表示一个类。如图： 对于一棵训练好的决策树，输入一个用于预测
sklearn决策树 DecisionTreeClassifier建立模型， 导出模型， 读取
热门推荐
title
10-10 1万+
print(__doc__) # Import the necessary modules and libraries import numpy as np import time from sklearn.tree import DecisionTreeClassifier import matplotlib.pyplot as plt import math from sklearn.met
sklearn.tree.DecisionTreeClassifier 详细说明
huguozhiengr的博客
03-19 6245
sklearn.tree.DecisionTreeClassifier()函数用于构建决策树，默认使用CART算法，现对该函数参数进行说明，参考的是scikit-learn 0.20.3版本。 sklearn.tree.DecisionTreeClassifier(criterion=’gini’,splitter=’best’,max_depth=None,min_...
机器学习实战项目——决策树&随机森林&时间序列预测股价.zip
04-11
在这个名为“机器学习实战项目——决策树&随机森林&时间序列预测股价.zip”的压缩包中，包含了一系列关于机器学习的应用，特别是聚焦于决策树、随机森林以及时间序列预测在股票价格预测上的应用。以下是这些技术的...
机器学习利用SKlearn中决策树和线性回归模型的身高数据集
03-19
使用Sklearn中线性回归（LinearRegression）模型与决策树回归（DecisionTreeRegressor）模型解决身高预测问题所使用的数据集 身高数据集样本数量：共2700个样本 两个特征：足长、步幅（cm） 一个标签：身高（cm）
机器学习——决策树数据1
05-08
机器学习——决策树数据1
决策树原理以及在sklearn中的使用
m0_64336780的博客
10-01 1万+
ID3：信息增益标示按某种特性分类后,剩余特性的信息熵的大小 的衰减程度,信息熵越小, 证明已经分好的类别就更加的纯粹单一C4.5：选择了信息增益比替代信息增益；由于ID3算法会倾向于 选取特征值较多的特征 进行分类(因为这样会让信息增益很大),比如:区分每个学生的成绩 采用学生的学号进行区分,那么每个学生对应一个学号,则按照学 号分的话,每个分组中就只有一个样本,并且信息熵为0,显然这个 不是我们想要的,因此我们引入了信息增益比,每次选择分类特性 的时候,根据信息增益比进行选取。
sklearn DecisionTree tree_
卡萨布兰卡
04-22 378
Sklearn API - Understanding the decision tree structure Array-based representation of a binary decision tree. The binary tree is represented as a number of parallel arrays. The i-th element of each...
决策树5：剪枝与sklearn中的决策树
木东居士
12-15 3460
0x01 剪枝 当训练数据量大、特征数量较多时构建的决策树可能很庞大，这样的决策树用来分类是否好？答案是否定的。决策树是依据训练集进行构建的，为了尽可能正确地分类训练样本，结点划分过程将...
机器学习-Sklearn-01（决策树）
m0_37755995的博客
02-18 1534
机器学习-Sklearn-01（决策树）
sklearn库学习----决策树(分类树DecisionTreeClassifier)
weixin_43776305的博客
05-12 3600
概述 决策树是一种非参数的有监督学习方法，他能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构呈现出这些规则，以解决分类和回归问题。 决策树算法的核心是解决两个问题 如何从数据表中找出最佳节点和最佳分支 如何让决策树停止生长，防止过拟合 sklearn中的决策树 sklearn中的决策树都在sklearn.tree模块下 类名 作用 tree.DecisionTreeClassifier 分类树 tree.DecisionTreeRegressor 回归树 tree
活用西瓜书——sklearn包中的决策树算法DecisionTreeClassifier的使用（决策/回归树）
baidu_38406307的博客
11-03 2909
引言 最近在读西瓜书，查阅了多方资料，恶补了数值代数、统计概率和线代，总算是勉强看懂了西瓜书中的公式推导。但是知道了公式以后还是要学会应用的，几经摸索发现python下的sklearn包把机器学习中经典的算法都封装好了，因此，打算写几篇博客记录一下sklearn包下的常用学习算法的使用，防止自己以后忘了，嘿嘿。 1.决策树 决策树是一种常见的机器学习算法，它的原理就是以事物的属性为节点，属性的不同...
建立一颗最优的决策树 -如何调参，根据决策树进行数据分析
weixin_43005832的博客
03-04 3061
此篇文章主要介绍了如何获得一颗最优的决策树 关键思想：要构建一棵完美的树，你需要在信息量最大的特征处拆分树，从而得到最纯的子节点 criterion=‘gini’：基尼不纯度是一种误分类的度量，目标是最小化误分类的概率。数据的完美拆分（每个子组包含一个目标标签的数据点）产生的基尼系数为0。我们可以度量树的每种可能拆分的基尼系数，然后选择基尼不纯度最低的那个。它常用于分类和回归树. criterion=‘entropy’（也称为信息增益）：在信息论中，熵是与信号或者分布相关的不确定量的度量。一个完美的数据拆分
分类决策树原理及sklearn.tree.DecisionTreeClassifier参数说明
MR_Trustin的博客
07-22 9400
一）前言 决策树这个算法说起来很简单，思路也很简单明了。但是如果你深入了解一下，里面的内容也相当的丰富，能细讲的也很多。决策树可以用于分类，也可以用于回归，今天这篇文章，主要总结了决策树回归原理，以及Sklearn库中决策树的使用参数，最后我还会用前面讲的网格搜索对回归决策树的参数进行优化。如果有哪些讲述的不太准确，还请大家在评论区指正。 二）决策树原理 核心思想：相似的输入必会产生相似的输出。 .........
scikit-learn v0.19学习笔记之——————决策树（回归）
qq_16953611的博客
08-29 1521
                                              决策树-回归        Decision Trees(DTS)是一种用来classification(分类)和regression（回归）的无参监督学习方法。其目的是创建一种模型从数据特征中学习简单的决策规则来预测一个变量的值       例如，在下面的图片中，决策时通过if-then-else的决...
python：ai第六课：sklearn.tree的隐形眼镜分析与决策
viviliving的专栏
12-08 391
# -*- coding: UTF-8 -*- from sklearn.preprocessing import LabelEncoder, OneHotEncoder # from sklearn.externals.six import StringIO from sklearn import tree import pandas as pd import numpy as np # import pydotplus if __name__ == '__main__': with open.
AI人工智能资料 机器学习和深度学习知识 day02-sklearn、knn、朴素贝叶斯、决策树、随机森林 共101页.pptx
10-22
【大数据的统计学基础】课程列表 day01-机器学习概述、特征工程、机器学习算法 共127页 day02-sklearn、knn、朴素贝叶斯、决策树、随机森林 共101页 day03-线性回归、岭回归、逻辑回归、分类、聚类算法 共86页 day04-Tensorflow基础与进阶 共74页 day05-Tensorflow IO操作-队列和线程、文件读取、图片处理 共40页 day06-Tensorflow、人工神经网络、卷积神经网络、图片识别 共65页 day07-CIFAR图像分类与识别、分布式会话函数、分布式TensorFlow、推荐系统 共74页

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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