首页 > 编程 > Python > 正文

python使用sklearn实现决策树的方法示例

2019-11-25 11:43:50
字体:
来源:转载
供稿:网友

1. 基本环境

安装 anaconda 环境, 由于国内登陆不了他的官网 https://www.continuum.io/downloads, 不过可以使用国内的镜像站点: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

添加绘图工具 Graphviz http://www.graphviz.org/Download_windows.php

安装后, 将bin 目录内容添加到环境变量path 即可

参考blog : https://www.VeVB.COm/article/169878.htm

官网技术文档 : http://scikit-learn.org/stable/modules/tree.html#tree-algorithms-id3-c4-5-c5-0-and-cart

2. 遇到的一些问题

csv 文件读取 https://docs.python.org/3.5/library/csv.html?highlight=csv#module-csv

https://docs.python.org/2/library/csv.html?highlight=csv#module-csv

3. 实现

数据文件:

这里写图片描述 

这是一个给定 4 个属性, age, income, student, credit_rating 以及 一个 标记属性 class_buys_computer 的数据集, 我们需要根据这个数据集进行分析并构建一颗决策树

代码实现:

核心就是调用 tree 的 DecisionTreeClassifier 方法对数据进行 训练得到一颗决策树

# -*- coding: utf-8 -*-"""Created on Sun Dec 25 11:25:40 2016@author: Administrator"""from sklearn.feature_extraction import DictVectorizerimport csvfrom sklearn import treefrom sklearn import preprocessingfrom sklearn.externals.six import StringIOimport pydotplusfrom IPython.display import Image# Read in the csv file and put features into list of dict and list of class labelallElectornicsData = open('AllElectronics.csv', 'r')reader = csv.reader(allElectornicsData)# headers = reader.next()  python2.7 supported  本质获取csv 文件的第一行数据#headers = reader.__next__()  python 3.5.2 headers = next(reader)print(headers)featureList = []labelList = []for row in reader:  labelList.append(row[len(row) - 1])  rowDict = {}  for i in range(1, len(row) - 1):    rowDict[headers[i]] = row[i]  featureList.append(rowDict)print(featureList)print(labelList)# Vetorize featuresvec = DictVectorizer()dummyX = vec.fit_transform(featureList).toarray()print("dummyX: " + str(dummyX))print(vec.get_feature_names())print("labelList: " + str(labelList))# vectorize class labelslb = preprocessing.LabelBinarizer()dummyY = lb.fit_transform(labelList)print("dummyY: ", str(dummyY))# Using decision tree for classification    ===========【此处调用为算法核心】============#clf = tree.DecisionTreeClassifier(criterion='entropy')clf = tree.DecisionTreeClassifier(criterion='gini')clf = clf.fit(dummyX, dummyY)print("clf: ", str(clf))# Visualize model# dot -Tpdf iris.dot -o ouput.pdfwith open("allElectronicInformationGainOri.dot", 'w') as f:  f = tree.export_graphviz(clf, feature_names = vec.get_feature_names(), out_file = f)# predictoneRowX = dummyX[0, :]print("oneRowX: " + str(oneRowX))newRowX = oneRowXnewRowX[0] = 1newRowX[2] = 0print("newRowX: " + str(newRowX))predictedY = clf.predict(newRowX)print("predictedY: " + str(predictedY))

输出结果:

ID3 算法

这里写图片描述

CART 算法

这里写图片描述

4. 决策树的优缺点

决策树的优势

  1. 简单易用,而且输出的结果易于解释,树能够被图形化,加深了直观的理解。
  2. 几乎不需要对数据进行预处理。
  3. 算法的开销不大,而且决策树一旦建立,对于未知样本的分类十分快,最坏情况下的时间复杂度是O(w),w是树的最大深度。
  4. 能够用于多类的分类。
  5. 能够容忍噪点。

决策树的劣势

  1. 容易过拟合。
  2. 容易被类别中占多数的类影响而产生bias,所以推荐在送入算法之间先平衡下数据中各个类别所占的比例。
  3. 决策树采用的是自顶向下的递归划分法,因此自定而下到了末端枝叶包含的数据量会很少,我们会依据很少的数据量取做决策,这样的决策是不具有统计意义的,这就是数据碎片的问题。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持武林网。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表