决策树是如何工作的
能够从一系列有特征和标签中总结出决策规则,并用树状图结构来呈现出来。
关键概念:节点(根节点,中间节点,叶子节点,子节点,父节点)
核心问题:如何从数据表中找出最佳节点和最佳分支?如何让决策树停止生长,防止过拟合?
sklearn:1.实例化建立评估模型对象
2.通过模型接口训练模型
3.通过模型接口提取需要信息
from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
import pandas as pd
import graphviz
feature_name = ['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类酚类','花青素','颜色强度','色调','稀释葡萄酒','脯氨酸']
wine = load_wine() # 数据实例化
print(pd.concat([pd.DataFrame(wine.data),pd.DataFrame(wine.target)],axis=1))
print(wine.feature_names)
print(wine.target_names)
Xtrain,Xtest,Ytrain,Ytest = train_test_split(wine.data,wine.target,test_size=0.3) # 随即划分,30%测试集,70%训练集
clf = tree.DecisionTreeClassifier(criterion='entropy',random_state=30,splitter='random')
# criterion 规定不纯度的计算
# random_state 相当于设置一个随机种子,每次的训练数据和测试数据不变
# splitter 之后看预测的得分有没有提高,保留百分比高的
clf = clf.fit(Xtrain,Ytrain) # fit训练接口
score = clf.score(Xtest,Ytest) # 返回预测的准确度
print(score)
dot_data = tree.export_graphviz(clf,feature_names=feature_name,class_names=['伏特加','哈啤','天涯'],filled=True,rounded=True)
# filled 是否填充颜色 rounded 方框是否为弧形
graph = graphviz.Source(dot_data)
graph
print(clf.feature_importances_) # 特征对决策树产生的贡献程度
print([*zip(feature_name,clf.feature_importances_)]) # 把特征和贡献程度对应上
score_train = clf.score(Xtrain,Ytrain)
print(score_train) # 如果训练数据得分远远大于测试数据得分,过拟合
剪枝策略
clf = tree.DecisionTreeClassifier(criterion='entropy',random_state=30,splitter='random'
,max_depth=3,min_samples_leaf=10,min_samples_split=10)
max_depth 最深决策树层数为3
min_samples_leaf 最小样本数为10
min_samples_split 样本数小于10不允许在划分
max_features 限制最大只能使用的特征
min_impurity_decrease 对决策树的贡献小于多少就不自在分支
class_weight
min_weight_fraction_leaf
如何确认最优剪枝参数?
import matplotlib.pyplot as plt
test = []
for i in range(10):
clf = tree.DecisionTreeClassifier(criterion='entropy', random_state=30, splitter='random'
, max_depth=i+1)
clf = clf.fit(Xtrain,Ytrain)
score = clf.score(Xtest,Ytest)
test.append(score)
plt.plot(range(1,11),test,color='red',label='max_depth')
plt.legend()
plt.show()
说明3层最好
接口:fit score
apply(返回每个测试样本所在的叶子节点的索引)clf.apply(Xtest)
predict(返回每个测试样本的分类/回归结果) clf.predict(Xtest)