一,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?
**
sklearn中的决策树
二,sklearn的基本建模流程
重要参数
一,criterion
1,为了要将表格转化为一棵树,决策树需要找出最佳节点和最佳的分枝方法,对分类树来说,衡量这个“最佳”的指标叫做“不纯度”。
2,通常来说,不纯度越低,决策树对训练集的拟合越好。
3,子节点的不纯度一定是低于父节点的,在同一棵决策树上,叶子节点的不纯度一定是最低的
三,建立一棵树
**
一,导入需要的算法和模块
from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
import pandas as pd
二,查看数据
wine = load_wine()
print(wine.data)
print(wine.target)
print(wine.data.shape)
print(pd.concat([pd.DataFrame(wine.data),pd.DataFrame(wine.target)],axis=1))
print(wine.feature_names)
print(wine.target_names)
三,分训练集和测试集
xtrain,xtest,Ytrain,Ytest = train_test_split(wine.data,wine.target,test_size=0.3)
print(xtrain.shape,xtest.shape)
四,建立模型
clf = tree.DecisionTreeClassifier(criterion="entropy")
clf = clf.fit(xtrain,Ytrain)
score = clf.score(xtest,Ytest)
print(score)
**
四,减支参数
**
为了让决策树有更好的泛化性,我们要对决策树进行剪枝。剪枝策略对决策树的影响巨大,正确的剪枝策略是优化
决策树算法的核心。sklearn为我们提供了不同的剪枝策略
- max_depth
限制树的最大深度,超过设定深度的树枝全部剪掉,实际使用时,建议从3开始
*min_samples_leaf & min_samples_split