Spark2 ML包之决策树分类Decision tree classifier详细解说

最新推荐文章于 2023-05-15 14:16:52 发布
最新推荐文章于 2023-05-15 14:16:52 发布
阅读量2k 收藏 6
点赞数 1
分类专栏： 机器学习

所用数据源，请参考本人博客http://www.cnblogs.com/wwxbi/p/6063613.html

1.导入包

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import  org.apache.spark.sql.SparkSession
import  org.apache.spark.sql.Dataset
import  org.apache.spark.sql.Row
import  org.apache.spark.sql.DataFrame
import  org.apache.spark.sql.Column
import  org.apache.spark.sql.DataFrameReader
import  org.apache.spark.rdd.RDD
import  org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
import  org.apache.spark.sql.Encoder
import  org.apache.spark.sql.DataFrameStatFunctions
import  org.apache.spark.sql.functions. _
 
import  org.apache.spark.ml.Pipeline
import  org.apache.spark.ml.classification.DecisionTreeClassificationModel
import  org.apache.spark.ml.classification.DecisionTreeClassifier
import  org.apache.spark.ml.evaluation.MulticlassClassificationEvaluator
import  org.apache.spark.ml.feature.VectorAssembler
import  org.apache.spark.ml.feature.StringIndexer
import  org.apache.spark.ml.feature.IndexToString
import  org.apache.spark.ml.feature.VectorIndexer
import  org.apache.spark.ml.feature.VectorSlicer

 

2.加载数据源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
val  spark  =  SparkSession.builder().appName( "Spark decision tree classifier" ).config( "spark.some.config.option" ,  "some-value" ).getOrCreate()
 
// For implicit conversions like converting RDDs to DataFrames
import  spark.implicits. _
 
// 这里仅仅是示例数据，数据源，请参考本人博客http://www.cnblogs.com/wwxbi/p/6063613.html
val  dataList :  List[(Double, String, Double, Double, String, Double, Double, Double, Double)]  =  List(
   ( 0 ,  "male" ,  37 ,  10 ,  "no" ,  3 ,  18 ,  7 ,  4 ),
   ( 0 ,  "female" ,  27 ,  4 ,  "no" ,  4 ,  14 ,  6 ,  4 ),
   ( 0 ,  "female" ,  32 ,  15 ,  "yes" ,  1 ,  12 ,  1 ,  4 ),
   ( 0 ,  "male" ,  57 ,  15 ,  "yes" ,  5 ,  18 ,  6 ,  5 ),
   ( 0 ,  "male" ,  22 ,  0.75 ,  "no" ,  2 ,  17 ,  6 ,  3 ),
   ( 0 ,  "female" ,  32 ,  1.5 ,  "no" ,  2 ,  17 ,  5 ,  5 ))
 
val  data  =  dataList.toDF( "affairs" ,  "gender" ,  "age" ,  "yearsmarried" ,  "children" ,  "religiousness" ,  "education" ,  "occupation" ,  "rating" )
 
data.createOrReplaceTempView( "data" )
 
// 字符类型转换成数值
val  labelWhere  =  "case when affairs=0 then 0 else cast(1 as double) end as label"
val  genderWhere  =  "case when gender='female' then 0 else cast(1 as double) end as gender"
val  childrenWhere  =  "case when children='no' then 0 else cast(1 as double) end as children"
 
val  dataLabelDF  =  spark.sql(s "select $labelWhere, $genderWhere,age,yearsmarried,$childrenWhere,religiousness,education,occupation,rating from data" )

 

 3.创建决策树模型

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
val  featuresArray  =  Array( "gender" ,  "age" ,  "yearsmarried" ,  "children" ,  "religiousness" ,  "education" ,  "occupation" ,  "rating" )
 
// 字段转换成特征向量
val  assembler  =  new  VectorAssembler().setInputCols(featuresArray).setOutputCol( "features" )
val  vecDF :  DataFrame  =  assembler.transform(dataLabelDF)
vecDF.show( 10 , truncate  =  false )
 
// 索引标签，将元数据添加到标签列中
val  labelIndexer  =  new  StringIndexer().setInputCol( "label" ).setOutputCol( "indexedLabel" ).fit(vecDF)
labelIndexer.transform(vecDF).show( 10 , truncate  =  false )
 
// 自动识别分类的特征，并对它们进行索引
// 具有大于5个不同的值的特征被视为连续。
val  featureIndexer  =  new  VectorIndexer().setInputCol( "features" ).setOutputCol( "indexedFeatures" ).setMaxCategories( 5 ).fit(vecDF)
featureIndexer.transform(vecDF).show( 10 , truncate  =  false )
 
// 将数据分为训练和测试集（30%进行测试）
val  Array(trainingData, testData)  =  vecDF.randomSplit(Array( 0.7 ,  0.3 ))
 
// 训练决策树模型
val  dt  =  new  DecisionTreeClassifier()
.setLabelCol( "indexedLabel" )
.setFeaturesCol( "indexedFeatures" )
.setImpurity( "entropy" )  // 不纯度
.setMaxBins( 100 )  // 离散化"连续特征"的最大划分数
.setMaxDepth( 5 )  // 树的最大深度
.setMinInfoGain( 0.01 )  //一个节点分裂的最小信息增益，值为[0,1]
.setMinInstancesPerNode( 10 )  //每个节点包含的最小样本数
.setSeed( 123456 )
 
// 将索引标签转换回原始标签
val  labelConverter  =  new  IndexToString().setInputCol( "prediction" ).setOutputCol( "predictedLabel" ).setLabels(labelIndexer.labels)
 
// Chain indexers and tree in a Pipeline.
val  pipeline  =  new  Pipeline().setStages(Array(labelIndexer, featureIndexer, dt, labelConverter))
 
// Train model. This also runs the indexers.
val  model  =  pipeline.fit(trainingData)
 
// 作出预测
val  predictions  =  model.transform(testData)
 
// 选择几个示例行展示
predictions.select( "predictedLabel" ,  "label" ,  "features" ).show( 10 , truncate  =  false )
 
// 选择（预测标签，实际标签），并计算测试误差。
val  evaluator  =  new  MulticlassClassificationEvaluator().setLabelCol( "indexedLabel" ).setPredictionCol( "prediction" ).setMetricName( "accuracy" )
val  accuracy  =  evaluator.evaluate(predictions)
println( "Test Error = "  + ( 1.0  - accuracy))
 
// 这里的stages(2)中的“2”对应pipeline中的“dt”，将model强制转换为DecisionTreeClassificationModel类型
val  treeModel  =  model.stages( 2 ).asInstanceOf[DecisionTreeClassificationModel]
treeModel.getLabelCol
treeModel.getFeaturesCol
treeModel.featureImportances
treeModel.getPredictionCol
treeModel.getProbabilityCol
 
treeModel.numClasses
treeModel.numFeatures
treeModel.depth
treeModel.numNodes
 
treeModel.getImpurity
treeModel.getMaxBins
treeModel.getMaxDepth
treeModel.getMaxMemoryInMB
treeModel.getMinInfoGain
treeModel.getMinInstancesPerNode
 
println( "Learned classification tree model:\n"  + treeModel.toDebugString)

 

4.代码执行结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
val  data  =  dataList.toDF( "affairs" ,  "gender" ,  "age" ,  "yearsmarried" ,  "children" ,  "religiousness" ,  "education" ,  "occupation" ,  "rating" )
 
data.show( 10 , truncate  =  false )
+-------+------+----+------------+--------+-------------+---------+----------+------+
|affairs|gender|age |yearsmarried|children|religiousness|education|occupation|rating|
+-------+------+----+------------+--------+-------------+---------+----------+------+
| 0.0     |male  | 37.0 | 10.0         |no      | 3.0           | 18.0      | 7.0        | 4.0    |
| 0.0     |female| 27.0 | 4.0          |no      | 4.0           | 14.0      | 6.0        | 4.0    |
| 0.0     |female| 32.0 | 15.0         |yes     | 1.0           | 12.0      | 1.0        | 4.0    |
| 0.0     |male  | 57.0 | 15.0         |yes     | 5.0           | 18.0      | 6.0        | 5.0    |
| 0.0     |male  | 22.0 | 0.75         |no      | 2.0           | 17.0      | 6.0        | 3.0    |
| 0.0     |female| 32.0 | 1.5          |no      | 2.0           | 17.0      | 5.0        | 5.0    |
| 0.0     |female| 22.0 | 0.75         |no      | 2.0           | 12.0      | 1.0        | 3.0    |
| 0.0     |male  | 57.0 | 15.0         |yes     | 2.0           | 14.0      | 4.0        | 4.0    |
| 0.0     |female| 32.0 | 15.0         |yes     | 4.0           | 16.0      | 1.0        | 2.0    |
| 0.0     |male  | 22.0 | 1.5          |no      | 4.0           | 14.0      | 4.0        | 5.0    |
+-------+------+----+------------+--------+-------------+---------+----------+------+
only showing top  10  rows
 
 
data.createOrReplaceTempView( "data" )
 
// 字符类型转换成数值
val  labelWhere  =  "case when affairs=0 then 0 else cast(1 as double) end as label"
val  genderWhere  =  "case when gender='female' then 0 else cast(1 as double) end as gender"
val  childrenWhere  =  "case when children='no' then 0 else cast(1 as double) end as children"
 
val  dataLabelDF  =  spark.sql(s "select $labelWhere, $genderWhere,age,yearsmarried,$childrenWhere,religiousness,education,occupation,rating from data" )
 
dataLabelDF.show( 10 , truncate  =  false )
+-----+------+----+------------+--------+-------------+---------+----------+------+
|label|gender|age |yearsmarried|children|religiousness|education|occupation|rating|
+-----+------+----+------------+--------+-------------+---------+----------+------+
| 0.0   | 1.0    | 37.0 | 10.0         | 0.0      | 3.0           | 18.0      | 7.0        | 4.0    |
| 0.0   | 0.0    | 27.0 | 4.0          | 0.0      | 4.0           | 14.0      | 6.0        | 4.0    |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 1.0           | 12.0      | 1.0        | 4.0    |
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 5.0           | 18.0      | 6.0        | 5.0    |
| 0.0   | 1.0    | 22.0 | 0.75         | 0.0      | 2.0           | 17.0      | 6.0        | 3.0    |
| 0.0   | 0.0    | 32.0 | 1.5          | 0.0      | 2.0           | 17.0      | 5.0        | 5.0    |
| 0.0   | 0.0    | 22.0 | 0.75         | 0.0      | 2.0           | 12.0      | 1.0        | 3.0    |
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 2.0           | 14.0      | 4.0        | 4.0    |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 4.0           | 16.0      | 1.0        | 2.0    |
| 0.0   | 1.0    | 22.0 | 1.5          | 0.0      | 4.0           | 14.0      | 4.0        | 5.0    |
+-----+------+----+------------+--------+-------------+---------+----------+------+
only showing top  10  rows
 
 
val  featuresArray  =  Array( "gender" ,  "age" ,  "yearsmarried" ,  "children" ,  "religiousness" ,  "education" ,  "occupation" ,  "rating" )
 
// 字段转换成特征向量
val  assembler  =  new  VectorAssembler().setInputCols(featuresArray).setOutputCol( "features" )
val  vecDF :  DataFrame  =  assembler.transform(dataLabelDF)
vecDF.show( 10 , truncate  =  false )
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+
|label|gender|age |yearsmarried|children|religiousness|education|occupation|rating|features                            |
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+
| 0.0   | 1.0    | 37.0 | 10.0         | 0.0      | 3.0           | 18.0      | 7.0        | 4.0    |[ 1.0 , 37.0 , 10.0 , 0.0 , 3.0 , 18.0 , 7.0 , 4.0 ]|
| 0.0   | 0.0    | 27.0 | 4.0          | 0.0      | 4.0           | 14.0      | 6.0        | 4.0    |[ 0.0 , 27.0 , 4.0 , 0.0 , 4.0 , 14.0 , 6.0 , 4.0 ] |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 1.0           | 12.0      | 1.0        | 4.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 1.0 , 12.0 , 1.0 , 4.0 ]|
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 5.0           | 18.0      | 6.0        | 5.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 5.0 , 18.0 , 6.0 , 5.0 ]|
| 0.0   | 1.0    | 22.0 | 0.75         | 0.0      | 2.0           | 17.0      | 6.0        | 3.0    |[ 1.0 , 22.0 , 0.75 , 0.0 , 2.0 , 17.0 , 6.0 , 3.0 ]|
| 0.0   | 0.0    | 32.0 | 1.5          | 0.0      | 2.0           | 17.0      | 5.0        | 5.0    |[ 0.0 , 32.0 , 1.5 , 0.0 , 2.0 , 17.0 , 5.0 , 5.0 ] |
| 0.0   | 0.0    | 22.0 | 0.75         | 0.0      | 2.0           | 12.0      | 1.0        | 3.0    |[ 0.0 , 22.0 , 0.75 , 0.0 , 2.0 , 12.0 , 1.0 , 3.0 ]|
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 2.0           | 14.0      | 4.0        | 4.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 2.0 , 14.0 , 4.0 , 4.0 ]|
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 4.0           | 16.0      | 1.0        | 2.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 4.0 , 16.0 , 1.0 , 2.0 ]|
| 0.0   | 1.0    | 22.0 | 1.5          | 0.0      | 4.0           | 14.0      | 4.0        | 5.0    |[ 1.0 , 22.0 , 1.5 , 0.0 , 4.0 , 14.0 , 4.0 , 5.0 ] |
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+
only showing top  10  rows
 
 
// 索引标签，将元数据添加到标签列中
val  labelIndexer  =  new  StringIndexer().setInputCol( "label" ).setOutputCol( "indexedLabel" ).fit(vecDF)
labelIndexer.transform(vecDF).show( 10 , truncate  =  false )
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------+
|label|gender|age |yearsmarried|children|religiousness|education|occupation|rating|features                            |indexedLabel|
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------+
| 0.0   | 1.0    | 37.0 | 10.0         | 0.0      | 3.0           | 18.0      | 7.0        | 4.0    |[ 1.0 , 37.0 , 10.0 , 0.0 , 3.0 , 18.0 , 7.0 , 4.0 ]| 0.0          |
| 0.0   | 0.0    | 27.0 | 4.0          | 0.0      | 4.0           | 14.0      | 6.0        | 4.0    |[ 0.0 , 27.0 , 4.0 , 0.0 , 4.0 , 14.0 , 6.0 , 4.0 ] | 0.0          |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 1.0           | 12.0      | 1.0        | 4.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 1.0 , 12.0 , 1.0 , 4.0 ]| 0.0          |
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 5.0           | 18.0      | 6.0        | 5.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 5.0 , 18.0 , 6.0 , 5.0 ]| 0.0          |
| 0.0   | 1.0    | 22.0 | 0.75         | 0.0      | 2.0           | 17.0      | 6.0        | 3.0    |[ 1.0 , 22.0 , 0.75 , 0.0 , 2.0 , 17.0 , 6.0 , 3.0 ]| 0.0          |
| 0.0   | 0.0    | 32.0 | 1.5          | 0.0      | 2.0           | 17.0      | 5.0        | 5.0    |[ 0.0 , 32.0 , 1.5 , 0.0 , 2.0 , 17.0 , 5.0 , 5.0 ] | 0.0          |
| 0.0   | 0.0    | 22.0 | 0.75         | 0.0      | 2.0           | 12.0      | 1.0        | 3.0    |[ 0.0 , 22.0 , 0.75 , 0.0 , 2.0 , 12.0 , 1.0 , 3.0 ]| 0.0          |
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 2.0           | 14.0      | 4.0        | 4.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 2.0 , 14.0 , 4.0 , 4.0 ]| 0.0          |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 4.0           | 16.0      | 1.0        | 2.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 4.0 , 16.0 , 1.0 , 2.0 ]| 0.0          |
| 0.0   | 1.0    | 22.0 | 1.5          | 0.0      | 4.0           | 14.0      | 4.0        | 5.0    |[ 1.0 , 22.0 , 1.5 , 0.0 , 4.0 , 14.0 , 4.0 , 5.0 ] | 0.0          |
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------+
only showing top  10  rows
 
 
// 自动识别分类的特征，并对它们进行索引
// 具有大于5个不同的值的特征被视为连续。
val  featureIndexer  =  new  VectorIndexer().setInputCol( "features" ).setOutputCol( "indexedFeatures" ).setMaxCategories( 5 ).fit(vecDF)
featureIndexer.transform(vecDF).show( 10 , truncate  =  false )
featureIndexer.transform(vecDF).show( 10 , truncate  =  false )
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------------------------------+
|label|gender|age |yearsmarried|children|religiousness|education|occupation|rating|features                            |indexedFeatures                     |
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------------------------------+
| 0.0   | 1.0    | 37.0 | 10.0         | 0.0      | 3.0           | 18.0      | 7.0        | 4.0    |[ 1.0 , 37.0 , 10.0 , 0.0 , 3.0 , 18.0 , 7.0 , 4.0 ]|[ 1.0 , 37.0 , 10.0 , 0.0 , 2.0 , 18.0 , 7.0 , 3.0 ]|
| 0.0   | 0.0    | 27.0 | 4.0          | 0.0      | 4.0           | 14.0      | 6.0        | 4.0    |[ 0.0 , 27.0 , 4.0 , 0.0 , 4.0 , 14.0 , 6.0 , 4.0 ] |[ 0.0 , 27.0 , 4.0 , 0.0 , 3.0 , 14.0 , 6.0 , 3.0 ] |
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 1.0           | 12.0      | 1.0        | 4.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 1.0 , 12.0 , 1.0 , 4.0 ]|[ 0.0 , 32.0 , 15.0 , 1.0 , 0.0 , 12.0 , 1.0 , 3.0 ]|
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 5.0           | 18.0      | 6.0        | 5.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 5.0 , 18.0 , 6.0 , 5.0 ]|[ 1.0 , 57.0 , 15.0 , 1.0 , 4.0 , 18.0 , 6.0 , 4.0 ]|
| 0.0   | 1.0    | 22.0 | 0.75         | 0.0      | 2.0           | 17.0      | 6.0        | 3.0    |[ 1.0 , 22.0 , 0.75 , 0.0 , 2.0 , 17.0 , 6.0 , 3.0 ]|[ 1.0 , 22.0 , 0.75 , 0.0 , 1.0 , 17.0 , 6.0 , 2.0 ]|
| 0.0   | 0.0    | 32.0 | 1.5          | 0.0      | 2.0           | 17.0      | 5.0        | 5.0    |[ 0.0 , 32.0 , 1.5 , 0.0 , 2.0 , 17.0 , 5.0 , 5.0 ] |[ 0.0 , 32.0 , 1.5 , 0.0 , 1.0 , 17.0 , 5.0 , 4.0 ] |
| 0.0   | 0.0    | 22.0 | 0.75         | 0.0      | 2.0           | 12.0      | 1.0        | 3.0    |[ 0.0 , 22.0 , 0.75 , 0.0 , 2.0 , 12.0 , 1.0 , 3.0 ]|[ 0.0 , 22.0 , 0.75 , 0.0 , 1.0 , 12.0 , 1.0 , 2.0 ]|
| 0.0   | 1.0    | 57.0 | 15.0         | 1.0      | 2.0           | 14.0      | 4.0        | 4.0    |[ 1.0 , 57.0 , 15.0 , 1.0 , 2.0 , 14.0 , 4.0 , 4.0 ]|[ 1.0 , 57.0 , 15.0 , 1.0 , 1.0 , 14.0 , 4.0 , 3.0 ]|
| 0.0   | 0.0    | 32.0 | 15.0         | 1.0      | 4.0           | 16.0      | 1.0        | 2.0    |[ 0.0 , 32.0 , 15.0 , 1.0 , 4.0 , 16.0 , 1.0 , 2.0 ]|[ 0.0 , 32.0 , 15.0 , 1.0 , 3.0 , 16.0 , 1.0 , 1.0 ]|
| 0.0   | 1.0    | 22.0 | 1.5          | 0.0      | 4.0           | 14.0      | 4.0        | 5.0    |[ 1.0 , 22.0 , 1.5 , 0.0 , 4.0 , 14.0 , 4.0 , 5.0 ] |[ 1.0 , 22.0 , 1.5 , 0.0 , 3.0 , 14.0 , 4.0 , 4.0 ] |
+-----+------+----+------------+--------+-------------+---------+----------+------+------------------------------------+------------------------------------+
only showing top  10  rows
 
 
// 将数据分为训练和测试集（30%进行测试）
val  Array(trainingData, testData)  =  vecDF.randomSplit(Array( 0.7 ,  0.3 ))
 
// 训练决策树模型
val  dt  =  new  DecisionTreeClassifier().setLabelCol( "indexedLabel" ).setFeaturesCol( "indexedFeatures" ).setImpurity( "entropy" ).setMaxBins( 100 ).setMaxDepth( 5 ).setMinInfoGain( 0.01 ).setMinInstancesPerNode( 10 ).setSeed( 123456 )
//.setLabelCol("indexedLabel")
//.setFeaturesCol("indexedFeatures")
//.setImpurity("entropy") // 不纯度
//.setMaxBins(100) // 离散化"连续特征"的最大划分数
//.setMaxDepth(5) // 树的最大深度
//.setMinInfoGain(0.01) //一个节点分裂的最小信息增益，值为[0,1]
//.setMinInstancesPerNode(10) //每个节点包含的最小样本数
//.setSeed(123456)
 
// 将索引标签转换回原始标签
val  labelConverter  =  new  IndexToString().setInputCol( "prediction" ).setOutputCol( "predictedLabel" ).setLabels(labelIndexer.labels)
 
// Chain indexers and tree in a Pipeline.
val  pipeline  =  new  Pipeline().setStages(Array(labelIndexer, featureIndexer, dt, labelConverter))
 
// Train model. This also runs the indexers.
val  model  =  pipeline.fit(trainingData)
 
// 作出预测
val  predictions  =  model.transform(testData)
 
// 选择几个示例行展示
predictions.select( "predictedLabel" ,  "label" ,  "features" ).show( 10 , truncate  =  false )
+--------------+-----+-------------------------------------+
|predictedLabel|label|features                             |
+--------------+-----+-------------------------------------+
| 0.0            | 0.0   |[ 0.0 , 22.0 , 0.125 , 0.0 , 2.0 , 14.0 , 4.0 , 5.0 ]|
| 0.0            | 0.0   |[ 0.0 , 22.0 , 0.417 , 0.0 , 1.0 , 17.0 , 6.0 , 4.0 ]|
| 0.0            | 0.0   |[ 0.0 , 22.0 , 0.75 , 0.0 , 2.0 , 18.0 , 6.0 , 5.0 ] |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 0.75 , 0.0 , 3.0 , 16.0 , 1.0 , 5.0 ] |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 0.75 , 0.0 , 4.0 , 16.0 , 1.0 , 5.0 ] |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 1.5 , 0.0 , 1.0 , 14.0 , 1.0 , 5.0 ]  |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 1.5 , 0.0 , 2.0 , 14.0 , 1.0 , 5.0 ]  |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 1.5 , 0.0 , 2.0 , 16.0 , 5.0 , 5.0 ]  |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 1.5 , 0.0 , 2.0 , 16.0 , 5.0 , 5.0 ]  |
| 0.0            | 0.0   |[ 0.0 , 22.0 , 1.5 , 0.0 , 2.0 , 17.0 , 5.0 , 4.0 ]  |
+--------------+-----+-------------------------------------+
 
 
// 选择（预测标签，实际标签），并计算测试误差。
val  evaluator  =  new  MulticlassClassificationEvaluator().setLabelCol( "indexedLabel" ).setPredictionCol( "prediction" ).setMetricName( "accuracy" )
val  accuracy  =  evaluator.evaluate(predictions)
accuracy :  Double  =  0.6972972972972973
 
println( "Test Error = "  + ( 1.0  - accuracy))
Test Error  =  0.3027027027027027
 
 
// 这里的stages(2)中的“2”对应pipeline中的“dt”，将model强制转换为DecisionTreeClassificationModel类型
val  treeModel  =  model.stages( 2 ).asInstanceOf[DecisionTreeClassificationModel]
DecisionTreeClassificationModel (uid = dtc _ b 950 f 91 d 35 f 8 ) of depth  5  with  43  nodes
 
treeModel.getLabelCol
String  =  indexedLabel
 
treeModel.getFeaturesCol
String  =  indexedFeatures
 
treeModel.featureImportances
Vector  =  ( 8 ,[ 0 , 1 , 2 , 4 , 5 , 6 , 7 ],[ 0.012972759843658999 , 0.1075317063921102 , 0.11654682273543511 , 0.17869552275855793 , 0.07532637852021348 , 0.27109893303920024 , 0.237827
876710824 ])
treeModel.getPredictionCol
String  =  prediction
 
treeModel.getProbabilityCol
String  =  probability
 
treeModel.numClasses
Int  =  2
 
treeModel.numFeatures
Int  =  8
 
treeModel.depth
Int  =  5
 
treeModel.numNodes
Int  =  43
 
treeModel.getImpurity
String  =  entropy
 
treeModel.getMaxBins
Int  =  100
 
treeModel.getMaxDepth
Int  =  5
 
treeModel.getMaxMemoryInMB
Int  =  256
 
treeModel.getMinInfoGain
Double  =  0.01
 
treeModel.getMinInstancesPerNode
Int  =  10
 
// 查看决策树
println( "Learned classification tree model:\n"  + treeModel.toDebugString)
Learned classification tree model :
DecisionTreeClassificationModel (uid = dtc _ b 950 f 91 d 35 f 8 ) of depth  5  with  43  nodes
// 例如“feature 7 in {0.0,1.0,2.0}”中的“{0.0,1.0,2.0}”
// 具体解释请参考本人博客http://www.cnblogs.com/wwxbi/p/6125493.html“VectorIndexer自动识别分类的特征，并对它们进行索引”
   If (feature  7  in { 0.0 , 1.0 , 2.0 })
    If (feature  7  in { 0.0 , 2.0 })
     If (feature  4  in { 0.0 , 4.0 })
      Predict :  1.0
     Else (feature  4  not in { 0.0 , 4.0 })
      If (feature  1  < =  32.0 )
       If (feature  1  < =  27.0 )
        Predict :  0.0
       Else (feature  1  >  27.0 )
        Predict :  1.0
      Else (feature  1  >  32.0 )
       If (feature  5  < =  16.0 )
        Predict :  0.0
       Else (feature  5  >  16.0 )
        Predict :  0.0
    Else (feature  7  not in { 0.0 , 2.0 })
     If (feature  4  in { 0.0 , 1.0 , 3.0 , 4.0 })
      If (feature  0  in { 0.0 })
       If (feature  2  < =  7.0 )
        Predict :  0.0
       Else (feature  2  >  7.0 )
        Predict :  0.0
      Else (feature  0  not in { 0.0 })
       Predict :  0.0
     Else (feature  4  not in { 0.0 , 1.0 , 3.0 , 4.0 })
      Predict :  1.0
   Else (feature  7  not in { 0.0 , 1.0 , 2.0 })
    If (feature  2  < =  4.0 )
     If (feature  6  < =  3.0 )
      If (feature  6  < =  1.0 )
       Predict :  0.0
      Else (feature  6  >  1.0 )
       Predict :  0.0
     Else (feature  6  >  3.0 )
      If (feature  5  < =  16.0 )
       If (feature  2  < =  0.75 )
        Predict :  0.0
       Else (feature  2  >  0.75 )
        Predict :  0.0
      Else (feature  5  >  16.0 )
       If (feature  7  in { 4.0 })
        Predict :  0.0
       Else (feature  7  not in { 4.0 })
        Predict :  0.0
    Else (feature  2  >  4.0 )
     If (feature  6  < =  3.0 )
      If (feature  4  in { 0.0 , 1.0 , 2.0 })
       Predict :  0.0
      Else (feature  4  not in { 0.0 , 1.0 , 2.0 })
       If (feature  7  in { 4.0 })
        Predict :  0.0
       Else (feature  7  not in { 4.0 })
        Predict :  0.0
     Else (feature  6  >  3.0 )
      If (feature  4  in { 0.0 , 2.0 , 3.0 , 4.0 })
       If (feature  6  < =  4.0 )
        Predict :  0.0
       Else (feature  6  >  4.0 )
        Predict :  0.0
      Else (feature  4  not in { 0.0 , 2.0 , 3.0 , 4.0 })
       If (feature  1  < =  37.0 )
        Predict :  1.0
       Else (feature  1  >  37.0 )
        Predict :  0.0
MONKEYMOMO
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
decision-tree-classifier.rar_decision tree_决策树_决策树分类_决策树分类器_分类
07-15
这些代码可用于构建决策树分类器,之后通过该代码可将收集到的数据以决策树的形式表示出来，
【Python机器学习】——决策树DecisionTreeClassifier详解
小猪课堂的博客
02-26 4万+
DecisionTreeClassifier决策树分类器 我们先来调用包sklearn 中的tree我们一点一点学sklearn from sklearn import tree 有人愿意产看源代码可以看下面哈，我觉得来这搜的都不愿意看，我们理论懂就好了，然后用起来 clf=tree.DecisionTreeClassifier() clf 我们一点一点分解DecisionTreeClass...
DecisionTreeClassifier
人工智能学习生
05-15 112
DecisionTreeClassifier:DecisionTreeClassifier对应聘人员数据分类、DictVectorizer辅助进行数值化转化、使用DecisionTreeClassifier处理汽车数据分类
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 2860
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...
树家族基础-决策树篇（基于spark）
探索数据奥秘的博客
06-28 1022
本文章前提是“单变量决策树”，即每次仅在备选特征中挑选1个，不考虑“多变量决策树”的情形。 另外，算法本身和spark Mlib库的支持也是两回事，有些功能算法可能本身有，但是支持库spark或是Python没有实现，所以有时候会有点混乱，要关注spark库实现。 1、数据质量要求 目录 1、数据质量要求 2、原理解释 （1）场景 （2）缺失值-C4.5算法不敏感 （3）缺失值-Cart算法敏感 （4）不平衡数据不敏感 （5）离群点数据不敏感 （6）数据归一不敏感 （7）离散特征处理
spark 决策树分类 DecisionTreeClassifier
weixin_34292402的博客
03-06 469
为什么80%的码农都做不了架构师？>>> ...
Decision-Tree-Classifier:决策树分类器
03-19
决策树分类器阅读有关更多信息观看这段视频
Quantum decision tree classifier
02-09
We study the quantum version of a decision tree classifier to fill the gap between quantum computation and machine learning. The quantum entropy impurity criterion which is used to determine which ...
Decision-Tree-Classifier:使用Python，sklearn的决策树分类器
03-30
决策树分类器 使用Python的决策树分类器sklearn。
Decision-Tree:决策树分类器
03-19
决策树分类器 阅读有关更多信息 观看这段视频
pyspark_ml_pipeline_DecisionTreeClassifier_RF数据集
06-29
pyspark_ml_pipeline_DecisionTreeClassifier_RF数据集（day.csv/flights.csv/hour.csv/test.tsv/u.data/wc.data）
DecisionTreeClassifier的使用
liuziyuan333183的博客
07-17 6912
DecisionTreeClassifier参数介绍重要属性介绍重要方法（接口）介绍调参利用图像调参根据分数高低选择决策树的深度根据预测结果与实际结果比较判断过拟合还是欠拟合利用网格调参举例 参数介绍 clf = tree.DecisionTreeClassifier(criterion="entropy" #不纯度的计算方法。"entropy"表示使用信息熵；"gini"表示使用基尼系数 ,splitter="best" #控制决策树
scikit-learn决策树算法类库使用小结
weixin_33842304的博客
11-12 634
　　　　之前对决策树的算法原理做了总结，包括决策树算法原理(上)和决策树算法原理(下)。今天就从实践的角度来介绍决策树算法，主要是讲解使用scikit-learn来跑决策树算法，结果的可视化以及一些参数调参的关键点。 1. scikit-learn决策树算法类库介绍 　　　　scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。分类决策树的类对应...
DecisionTreeClassifier(一):参数说明
On the road to profession
03-25 1984
DecisionTreeClassifier又称决策树，在sklearn库中该分类器有如下参数： from sklearn.tree import DecisionTreeClassifier; model = DecisionTreeClassifier( criterion='gini', splitter='best', max_depth=None, ...
DecisionTree决策树算法及参数详解+实例+graphviz生成决策树
热门推荐
机器学习算法
04-07 7万+
DecisionTree决策树算法及参数详解+实例+graphviz生成决策树 sklearn随机森林 sklearn集合算法库 sklearn-Bagging自助聚合算法 sklearn-Boosting正向激励算法 sklearn-ExtraTrees算法
Decision Tree 决策树 - ID3, C45, C50, CART...
Hisense的专栏
07-09 1万+
是什么 决策树是最简单的也是最具解释性和表达性的一种机器学习算法，既可以处理分类问题（ID3，C45，C50），也可以处理回归问题（CART）。 它是根据特征（feature）的值逐步把数据分类，直到所有的叶子节点属于同一个类型结束。注意决策树都是贪婪的。 关键概念 1. 如何确定哪个特征被优先选择用来分类。 根据某一个特征划分数据集，其划分前后信息熵会有变化。优先选择的特征是让给让
Spark2 机器学习之决策树分类Decision tree classifier
大数据分析师-酷峰中行的博客
11-30 4514
分类决策树代码import org.apache.spark.sql.SparkSession import org.apache.spark.sql.Dataset import org.apache.spark.sql.Row import org.apache.spark.sql.DataFrame import org.apache.spark.sql.Column import org.a
【Spark Mllib】决策树，随机森林——预测森林植被类型
07-08 7827
决策树有训练分类模型的函数trainClassifier和回归模型的函数trainRegressor，这里我们使用trainClassifier。随机森林可以理解将数据集合分成n个子集，然后在每个子集上建立决策树，最后结果是n棵决策树的平均值。因为一共有7种类别，所以生成的是7*7的矩阵，aij 表示实际类别是i，而被预测类别是j的次数。我们可以将featureSubsetStrategy设置为auto，让算法自己来决定。相当于关于impurity，depth，bins的三层循环。但是，我们可以参阅下。
决策树分类器DecisionTreeClassifier参数解释
chenzhanhai的专栏
04-27 2606
sklern中使用sklearn.tree.DecisionTreeClassifier类来实现决策树分类算法。 模型调参常用参数如下： 名称 功能 描述 criterion 特征选择标准 ‘gini’ or ‘entropy’ (default=”gini”)，前者是基尼系数，后者是信息熵。两种算法差异不大对准确率无影响，信息墒云孙效率低一点，因为它有对数运算.一般...
very fast decision tree classifier快速决策树分类器
最新发布
08-09
快速决策树分类器是一种高效的机器学习算法，用于处理大规模数据集的分类问题。该分类器通过构建一颗决策树来对数据进行分类。它的快速性来自于采用了一些优化技巧。 首先，快速决策树分类器使用了一种高效的特征...

“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