Decision Tree Classifier
from sklearn.tree import DecisionTreeClassifier as DTCy = df.targetX = df.featuresdtc = DTC(criterion='entropy', mim_samples_slit=20, random_state=90)dtc.fit(X, y)official example
from sklearn.datasets import load_irisfrom sklearn.model_selection import cross_val_scorefrom sklearn.tree import DecisionTreeClassifierclf = DecisionTreeClassifier(random_state=0)iris = load_iris()cross_val_score(clf, iris.data, iris.target, cv=10)article
in advance you should install Graphviz
from sklearn.tree import export_graphvizdef visualize_tree(tree, feature_names): """Create tree png using graphviz. Args ---- tree -- scikit-learn DecsisionTree. feature_names -- list of feature names. usage --- features = X.columns visualize_tree(dtc, features) """ with open("dt.dot", 'w') as f: export_graphviz(tree, out_file=f, feature_names=feature_names) #generate png command = ["dot", "-Tpng", "dt.dot", "-o", "dt.png"] #or pdf #command = ["dot", "-Tpdf", "dt.dot", "-o", "dt.pdf"] try: subPRocess.check_call(command) except: exit("Could not run dot, ie graphviz, to " "produce visualization") #open image from PIL import Image im = Image.open("od.png") im.show()example
DecisionTreeRegressor
Decision Tree Regression with AdaBoost
from sklearn.tree import DecisionTreeRegressorregr = DecisionTreeRegressor(max_depth=2)regr.fit(X, y)y_predict = regr_1.predict(X_test)属性集合
样本集合
根据某属性a的划分
Ent越小纯度越高
决策树根节点的D包含所有样本,如果y只有0,1两个取值,正3个负2个,则
根据某属性a划分得到
Gain越大划分得到的纯度提升越高
假设有A = {行为习惯,饮食偏好, 体育运动}三个属性,判断是否会得某种病。
总共6个得病9个不得
行为习惯 | 得病 | 不得病 | 得病占该习惯总数比例 | 该行为习惯占总人数的比例 |
---|---|---|---|---|
抽烟 | 1 | 5 | 1/6 | 6/15 |
喝酒 | 2 | 3 | 2/5 | 5/15 |
吸毒 | 3 | 1 | 3/4 | 4/15 |
之后再算
假设
那么分别取
基于增益率(gain ratio)减少ID3偏好可取数目多带来的影响。
划分训练集和测试集。
如果使用某一划分,算出验证集精度。
如果停止划分采用样本中占多数的结果作为该分支结果,计算精度。
如果停止划分精度反而更高则停止划分。
从完整的决策树的倒数第二个节点开始。
如果剪掉倒数第一个节点精度提高则剪掉。
依次往上类推
采用二分法划分,既划分成
先算出对该属性而言无缺失值的Entropy, 然后计算出对该属性而言无缺失值的Gain。
然后乘上无缺失值样本所占比例
使用斜线来划分多变量。
既用多变量的线性组合
新闻热点
疑难解答