机器学习之决策树、随机森林

团团圆圆y

已于 2022-05-15 19:32:49 修改

阅读量2.7k

点赞数

分类专栏：机器学习文章标签：决策树机器学习随机森林

于 2022-05-15 18:39:06 首次发布

本文链接：https://blog.csdn.net/qq_45031079/article/details/124783874

版权

机器学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、决策树

决策树是常见的机器学习中监督学习的方法，可以用来分类和回归。对于数据集，沿着决策树的分支，根据属性值判断属于决策树的哪一枝，最终到达叶节点，得到结果。一棵典型的决策树如下，

图1. 决策树

一棵决策树包括以下部分：

（1）树根：包含全部数据集

（2）树枝：划分标准

（3）中间节点：按照一定标准划分的子集

（4）叶子：最终的结果（包含的子集）

1.1 决策树分类

决策树分类中，最终的叶子为最终划分的分类结果，如根据当天的温度、湿度、风力、大气污染程度等，判断最终是天气好、一般还是差。决策树分支的标准是信息熵的增益最大，信息熵的定义如下：

$Ent(D) = -\sum_{k=1}^{y} p_{k}log(p_{k})$ （1）

其中， $p_{k}$ 为集合 $D$ 中第 $k$ 类样本所占的比例， $Ent(D)$ 表示划分前根据数据标签的原始数据集的信息熵，信息熵越大，表示结构越活越；信息熵越小，结构越稳定。假设某一离散属性值 $X$ 包含 $V$ 个离散取值，那么根据属性 $X$ ，可以将 $D$ 划分为 $V$ 个不同的子集，每一个子集都可以计算 $Ent(D^{v}), \ v=1,2,\cdots,V$ .

那么根据属性 $X$ 进行划分（分枝）的信息增益（信息熵的下降量）为：

$Gain(D, X)= Ent(D)-\sum_{v}^{V} \frac{D^{v}}{D} Ent(D^{v})$ (2)

挑选使得信息增益最大的属性 $X_{max}$ ，对决策树进一步分枝。该背后原理如下，根据决策树，使得整棵树的信息熵最低，得到的决策树不确定性最小，最稳定。

参见https://zhuanlan.zhihu.com/p/89607509

1.2 决策树回归

决策树用于回归时，其分枝的标准为最小均方误差。根据数据集的第 $j$ 个特征，设置阈值为 $s$ ，划分为 $c_{1}$ 和 $c_{2}$ 两个区域，如下：

$\mathop{\min}\limits_{j,s} \{ \mathop{\min}\limits_{c_{1}} \sum_{x_{i} \in R_{1 }(j,s) } (y_{i}-c_{1})^2 + \mathop{\min}\limits_{c_{2}} \sum_{x_{i} \in R_{2} (j,s)} (y_{i}-c_{2})^2 \}$ (3)

使得一个子集内均方误差最小的 $c_{k} =\hat{y}_{k}= \frac{1}{N_{k}} \sum_{x_{i}\in R_{k}} y_{i}$ ，那么上式为，

$\mathop{\min}\limits_{j,s} \{ \sum_{x_{i} \in R_{1} (j,s) } (y_{i}-\hat{y}_{1})^2 + \sum_{x_{i} \in R_{2 }(j,s)} (y_{i}-\hat{y}_{2})^2 \}$ (4)

参见，https://blog.csdn.net/Albert201605/article/details/81865261

二、随机森林

随机森林，顾名思义，是很多树的集合。随机森林的基本单位是决策树，其示意图如下，

图2. 随机森林

随机森林的步骤如下：

（1）从数据集中有放回的随机抽样；

（2）随机抽取特征构建决策树；

（3）将决策树的结果取平均，得到最终结果。

参加，机器学习常用算法——随机森林 - 云+社区 - 腾讯云

三、代码实现

随机森林

利用第三方库，随机森林分类和回归如下，

分类，

from sklearn.ensemble import RandomForestClassifier

# x. y为训练数据
model_RF_class = RandomForestClassifier(n_estimators = 100, random_state = 0)
model_RF_class.fit(x, y)
# x_test, y_test为测试数据
y_test = model_RF_class.predict(x_test)

回归，

# x. y为训练数据
from sklearn.ensemble import RandomForestRegressor

# 随机森林回归器
model_RF_regr = RandomForestRegressor(n_estimators = 100, random_state = 0)
# 拟合数据集
model_RF_regr = model_RF_regr.fit(X, y)
# x_test, y_test为测试数据
y_test = model_RF_regr.predict(x_test)

参见，机器学习算法系列（十八）-随机森林算法（Random Forest Algorithm）_sai_simon的博客-CSDN博客_随机森林算法j

具体参数的含义，见官网，sklearn.ensemble.RandomForestClassifier — scikit-learn 1.1.0 documentation

决策树

from sklearn.tree import DecisionTreeClassifier

# x. y为训练数据
model_DT_class = DecisionTreeClassifier()
model_DT_class.fit(x, y)
# x_test, y_test为测试数据
y_test = model_DT_class.predict(x_test)

from sklearn.tree import DecisionTreeRegressor

# x. y为训练数据
model_DT_regr = DecisionTreeRegressor(max_depth=1)
model_DT_regr.fit(x, y)
# x_test, y_test为测试数据
y_test = model_DT_regr.predict(x_test)

参见，python代码实现决策树分类_林下月光的博客-CSDN博客_python决策树分类

参见，决策树—回归_禺垣的博客-CSDN博客_决策树回归

团团圆圆y

关注

0
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
机器学习之决策树、随机森林

一、决策树决策树是常见的机器学习中监督学习的方法，可以用来分类和回归。对于数据集，沿着决策树的分支，根据属性值判断属于决策树的哪一枝，最终到达叶节点，得到结果。一棵典型的决策树如下，图1. 决策树一棵决策树包括以下部分：（1）树根：包含全部数据集（2）树枝：划分标准（3）中间节点：按照一定标准划分的子集（4）叶子：最终的结果（包含的子集）1.1 决策树分类决策树分类中，最终的叶子为最终划分的分类结果，如根据当天的温度、湿度、风力、大气污染程度等，判断最终是天气好、一般
复制链接

扫一扫