如何用Sklearn画一棵决策树

最新推荐文章于 2024-07-16 17:02:33 发布
最新推荐文章于 2024-07-16 17:02:33 发布
阅读量5k 收藏 30
点赞数 5
分类专栏： 数据科学 机器学习 文章标签： Python 决策树 机器学习 Sklearn 代码
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_41954204/article/details/89531803
版权
本文介绍了如何在Python环境中利用Scikit-learn库构建并可视化决策树。通过红酒数据集，详细阐述了从导入库、数据探索、划分训练测试集、建立模型到绘制决策树的全过程。
摘要由CSDN通过智能技术生成

决策树在sklearn中的实现

小伙伴们大家好~o(￣▽￣)ブ，首先声明一下，我的开发环境是Jupyter lab，所用的库和版本大家参考：

Python 3.7.1（你的版本至少要3.4以上）

Scikit-learn 0.20.0 （你的版本至少要0.20）

Graphviz 0.8.4 (没有画不出决策树哦，安装代码conda install python-graphviz）

Numpy 1.15.3, Pandas 0.23.4, Matplotlib 3.0.1, SciPy 1.1.0

用SKlearn 建立一棵决策树

这里采用的数据集是SKlearn中的红酒数据集。

1 导入需要的算法库和模块

from sklearn import tree                                 #导入tree模块
from sklearn.datasets import load_wine                   #导入红酒数据集
from sklearn.model_selection import train_test_split     #导入训练集和测试集切分包

2 探索数据


                

                
                
        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  九天&菜菜&菊安酱
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
sklearn专题一：决策树

				
			

			

				

					Colorfully_lu的博客
				

				

					12-10
					
					5626
					
				

			

		

		

			
				
sklearn之train_test_split()函数各参数含义

在机器学习中，我们通常将原始数据按照比例分割为“测试集”和“训练集”，

从 sklearn.model_selection 中调用train_test_split 函数

简单用法如下：

X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_stat.

			
		

	



                

              
                



	

		

			

				
					
决策树绘制graphviz

				
			

			

				

					03-19
				

			

		

		

			
				
改名zip,直接解压，添加路径到变量即可。无需安装。我电脑msi装不上，所以才想到的这个办法。

			
		

	



                


  
              

                


	

		

			

				
					
sklearn实现决策树

				
			

			

				

					Above the cloud
				

				

					08-27
					
					1589
					
				

			

		

		

			
				
构造决策树及决策树的可视化
使用ID3算法画出的决策树
ID3算法在进行特征划分时会优先选择信息增益最大的特征进行划分。一旦按某特征切分后，该特征在之后的算法执行中，将不再起作用（即不再考虑这个特征）。在这个特征划分后的样本中选择信息增益最大的其他特征，这样一步步划分下去。
决策树算法的核心是要解决两个问题：
1）如何从数据表中找出最佳节点和最佳分枝？
2）如何让决策树停止生长，防止过拟合。（预剪枝和后剪枝）
Sklearn中的分类决策树
Sklearn中的分类回归树的调用如下：
from sklearn 

			
		

	





	

		

			

				
					
sklearn基础教程：从入门到精通

					
最新发布

				
			

			

				

					洛秋的博客
				

				

					07-16
					
					1434
					
				

			

		

		

			
				
Scikit-learn是一个开源的机器学习库，基于NumPy、SciPy和matplotlib构建。丰富的算法支持：包含了回归、分类、聚类、降维等多种机器学习算法。易用性：提供了简洁的API接口，便于快速上手和使用。良好的文档支持：详细的文档和大量的示例代码，便于学习和参考。线性回归是一种最简单的回归模型，用于预测连续型目标变量。# 分割数据集# 训练模型# 预测# 评估模型我们探讨了sklearn的基础知识和常用操作。sklearn以其丰富的功能和简洁的API，广泛应用于机器学习领域。

			
		

	



		

			
		



	

		

			

				
					
sklearn决策树绘制

				
			

			

				

					muli
				

				

					11-24
					
					2957
					
				

			

		

		

			
				


sklearn决策树绘制


安装Graphviz（http://www.graphviz.org/）


一路next，安装Graphviz后，需要设置环境变量：


添加系统环境变量 :建立变量名GRAPHVIZ_DOT ;值为安装的路径，如C:\Program Files (x86)\Graphviz2.34\bin\dot.exe


设置环境变量 在用户环境变量添加以下一个变量;建立...

			
		

	





	

		

			

				
					
画出sklearn中的决策树的图

				
			

			

				

					大鱼的博客
				

				

					09-26
					
					4765
					
				

			

		

		

			
				
经常会使用烧sklearn中的决策

树进行机器学习，比如分类，话不多说直接上代码：


import numpy as np
import pandas as pd
from  sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz

##准备数据
X=[np.random.rand(5) for i in range(200)]
y=[int(np.random.rand()*5) for i

			
		

	





	

		

			

				
					
机器学习（8）sklearn画决策树（回归树）

				
			

			

				

					人工智能小白
				

				

					08-23
					
					2425
					
				

			

		

		

			
				
决策树中的回归树

			
		

	





	

		

			

				
					
sklearn入门&决策树在sklearn中的实现

				
			

			

				

					momokofly的博客
				

				

					03-15
					
					4157
					
				

			

		

		

			
				
sklearn入门
scikit-learn官网：http://scikit-learn.org/stable/index.html
中文翻译网址：https://sklearn.apachecn.org/docs/master/2.html
算法原理推荐书籍：《数据挖掘导论》、《机器学习》
决策树
1 概述
非参数的有监督学习方法，决策树算法的本质是一种图结构
通过对记录的特征的提问，对样本进行分类
关于决策树的节点概念：
1、根节点：没有进边，有出边，包含最初的，针对特征的提问
2、中间节点：既有进边也

			
		

	





	

		

			

				
					
python-sklearn数据分析-决策树（CART）分类（实战）

				
			

			

				

					weixin_57501965的博客
				

				

					08-30
					
					3449
					
				

			

		

		

			
				
可以看到，该文件大小为61878*95，其中最后一列为目标标签；其中还发现该文件数据没有缺失值和重复值。最后一列是object类型，这里采用字典编码进行转换。相关可视化效果展示如下。

			
		

	





	

		

			

				
					
决策树(3)-sklearn实现及可视化画图

				
			

			

				

					m0_51456926的博客
				

				

					01-21
					
					2581
					
				

			

		

		

			
				
1.仍然使用之前得数据



			
		

	





	

		

			

				
					
sklearn python 决策树 画图...

				
			

			

				

					Caiqiudan的博客
				

				

					02-14
					
					349
					
				

			

		

		

			
				
sklearn python 决策树 画图...

			
		

	





	

		

			

				
					
sklearn 画一棵决策树

				
			

			

				

					weixin_42568012的博客
				

				

					12-26
					
					342
					
				

			

		

		

			
				
from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
import pandas as pd

wine = load_wine()
wine.data.shape
wine.target

pd.concat([pd....

			
		

	





	

		

			

				
					
决策树算法原理与sklearn.tree.DecisionTreeClassifier()以及决策树作图

				
			

			

				

					qq_38384924的博客
				

				

					05-23
					
					6913
					
				

			

		

		

			
				
绪论：
除线性模型中学习的逻辑斯谛克回归（包括梯度下降等）、多分类问题之外，这部分的分类算法学习主要包括：决策树，贝叶斯分类器，k近邻算法，支持向量机；顺便学习：人工神经网络和聚类。
1、决策树
决策树（decision tree）也是一种有监督学习算法。以树状图为基础，输出结果为一系列简单实用的规则，故名决策树。可知，决策树就是一系列的if-then语句，它可以用于分类也可以用于回归问题。优点是...

			
		

	





	

		

			

				
					
python sklearn 绘制决策树模型的节点图

				
			

			

				

					呆萌的代Ma
				

				

					12-12
					
					3181
					
				

			

		

		

			
				
绘制决策树的图片可以使用sklearn.tree.plot_tree这个方法
详情可以参考官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.tree.plot_tree.html
示例代码
import matplotlib.pyplot as plt
import numpy as np
from sklearn.tree import plot_tree  # 树图
from sklearn.tree import Decisi

			
		

	





	

		

			

				
					
机器学习基础|Sklearn实现决策树

				
			

			

				

					yangke
				

				

					07-09
					
					1028
					
				

			

		

		

			
				
Sklearn决策树API
sklearn.tree.DecisionTreeClassifier(criterion='gini', splitter='best', max_depth=None, min_samples_split=2,min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0,

			
		

	





	

		

			

				
					
sklearn构建决策树

				
			

			

				

					日积月累
				

				

					10-05
					
					1077
					
				

			

		

		

			
				
1.可视化树
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

from sklearn import tree
import graphviz #可视化
import pydotplus #画.dot文件
from IPython.display import Image #图片
from sklear...

			
		

	





	

		

			

				
					
机器学习---决策树之画图

				
			

			

				

					baixinzxl的博客
				

				

					06-08
					
					1574
					
				

			

		

		

			
				
sklearn机器学习—决策树之画图
--------仅用于个人学习知识整理和R语言/python代码整理
--------本文所使用数据全为脱敏模拟数据

1.前言
项目中会需要对决策树的树图进行修改，看起来更方便（相当于要对比每个节点1的概率，和基础的1的概率之间的lift提升），此处特别感谢某团初始代码思路提供，之后代码基于某团思路修改
2.二分类tree 增加lift及1 rate
1. 画图code
核心思路是替换export_graphviz中，树的结构，加入新计算的lift和1的比例，以下改编

			
		

	





	

		

			

				
					
用jupyter notebook画一棵树

				
			

			

				

					11-27
				

			

		

		

			
				
以下是使用Jupyter Notebook画一棵树的步骤：  1.首先，确保你已经安装了matplotlib库。如果没有安装，可以使用以下命令在Jupyter Notebook中安装：  ```shell !pip install matplotlib ```  2.导入matplotlib库和...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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