24/8/9算法笔记 决策树VS线性回归

from sklearn.tree import DecisionTreeRegressor

from sklearn.linear_model import LinearRegression

from sklearn import datasets

from sklearn.model_selection import train_test_split
import numpy as np

X,y = datasets.load_diabetes(return_X_y=True)#糖尿病数据
X_train,X_test,y_train,y_test = train_test_split(X,y)

model = LinearRegression()
model.fit(X_train,y_train)
#上面得分更高，训练数据
#数据量足够大，一定是上面得分更加高
print('训练数据得分',model.score(X_train,y_train))
print('测试数据得分',model.score(X_test,y_test))

import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='Fangsong'
plt.figure(figsize = (12,6))
max_depth = np.arange(1,16)
score=[]
score2=[]
for d in max_depth:
    model = DecisionTreeRegressor(max_depth=d)
    model.fit(X_train,y_train)
    score2.append(model.score(X_train,y_train))
    s = model.score(X_test,y_test)
    score.append(s)
    
plt.plot(max_depth,score2,'g*-')#绿色的线是训练数据，随着树深度的增加得分变化
plt.plot(max_depth,score,'ro-')#'红色的是测试数据随深度的增加
plt.xlabel('树最大深度',fontsize = 18)
plt.ylabel('Score',fontsize = 18)
plt.title('决策树得分随着树深度变化',fontsize = 18)
plt.legend(['训练数据的得分','测试数据的得分'],fontsize=18)
print('最高分数',max(score))

决策树和线性回归是两种常用的机器学习算法，它们在很多方面有所不同：

1. 模型类型：

   • 决策树：是一种非参数的监督学习算法，用于分类和回归任务。它通过学习简单的决策规则从数据特征中推断出目标值。
   • 线性回归：是一种参数的监督学习算法，仅用于回归任务。它假设输入特征和输出变量之间存在线性关系。

2. 处理数据的能力：

   • 决策树可以处理数值和类别数据，而且不需要假设数据的分布。
   • 线性回归通常假设数据符合正态分布，并且主要处理数值数据。

3. 模型解释性：

   • 决策树模型易于理解和解释，可以可视化地展示决策过程。
   • 线性回归模型的解释性也很好，因为它基于权重系数来表示特征对预测结果的影响。

4. 对非线性问题的处理：

   • 决策树能够很好地处理非线性问题，因为它通过分割数据空间来捕捉复杂的模式。
   • 线性回归在处理非线性问题时表现不佳，因为它仅适用于线性关系。

5. 过拟合风险：

   • 决策树容易过拟合，尤其是当树变得非常深和复杂时。需要使用剪枝等技术来控制模型复杂度。
   • 线性回归通常不容易过拟合，除非特征数量接近或超过样本数量。

6. 模型复杂度：

   • 决策树的复杂度可以通过树的深度和叶子节点的数量来衡量。
   • 线性回归的复杂度通常较低，因为它只涉及特征的线性组合。

7. 训练速度：

   • 决策树通常训练速度较快，尤其是在使用像 CART 这样的算法时。
   • 线性回归的训练速度通常非常快，因为它只涉及解决一个优化问题。

8. 预测速度：

   • 决策树的预测速度通常较快，因为只需要进行一系列的比较操作。
   • 线性回归的预测速度也很快，因为它只涉及计算一个线性组合。

9. 多输出问题：

   • 决策树可以很容易地扩展到多输出问题，尽管需要对每个输出单独建模。
   • 线性回归也可以处理多输出问题，但每个输出需要一个独立的模型。

10. 特征选择：

    • 决策树在构建过程中可以进行特征选择，自动选择最有信息量的特征进行分裂。
    • 线性回归通常需要预先进行特征选择，以避免模型性能下降。