sklearn 决策树_初识决策树及sklearn实现

1、决策树简介

决策树多被使用处理分类问题，也是最经常使用的数据挖掘算法。决策树的主要任务是发掘数据中所蕴含的知识信息，并从中给出一系列的分类规则对数据进行分类，其预测结果往往可以匹敌具有几十年专家经验所得出的预测规则。比较常用的决策树有ID3，C4.5和CART（Classification And Regression Tree），CART的分类效果一般优于其他决策树，所以，scikit-learn使用的为CART算法的优化版本。下面简单介绍下决策树的优缺点和使用技巧。

• 优点：计算复杂度低，从而计算速度较快；不需要领域知识和参数假设；输出结果易于理解，分类规则准确性较高
• 缺点：容易产生过拟合；忽略各属性之间的相关性
• 使用技巧：适用的数据类型有数值型和标称型；可以采用剪枝来避免过拟合问题；需要考虑对输入数据进行预处理（比如降维等）

2、决策树实例

（1）数据来源：Iris数据集，具体介绍参见https://zhuanlan.zhihu.com/p/145542994中的数据来源部分。sklearn包中自带了Iri数据集和数据处理方法，可以直接将第五列类别信息转换为数字。

from sklearn.datasets import load_iris         #数据集
from sklearn.tree import DecisionTreeClassifier #训练器
from sklearn import tree
import graphviz                                #结果展示
from sklearn.tree import export_text           #结果展示                      
X, y = load_iris(return_X_y=True)          #其中X为(150, 4)，y为(150,)，类型均为 'numpy.ndarray'           

（2）网络结构的搭建

clf = tree.DecisionTreeClassifier()   #创建分类器
clf = clf.fit(X, y)                   #模型的训练
print（clf.predict([[2., 2.，,1,1]])）#模型的预测，输出为预测的类型，1类
print(clf.predict_proba([[2., 2.,1,1]]))   #模型的预测概率，输出为 [[0. 1. 0.]]，代表每类的概率值           

（3）结果的展示

展示的方式有二种，绘制树和文本输出。绘制树可以直接使用

plot_tree

函数或者graphviz导出，代码和结果分别如下所示。

#（a）直接使用plot_tree()函数
tree.plot_tree(clf)
plt.show()
#（b）以Graphviz格式导出
iris = load_iris()
dot_data = tree.export_graphviz(clf,
                                out_file=None,
                                feature_names=iris.feature_names,
                                class_names=iris.target_names,
                                filled=True, rounded=True,
                                special_characters=True)
graph = graphviz.Source(dot_data)
graph.render(filename='MyPicture',view=True)   #结果保存在MyPicture.pdf中
graph.render("iris")              #打印输出图表的所有配置项           

结果如下：

#以文本格式导出树export_text
decision_tree = DecisionTreeClassifier(random_state=0, max_depth=2)
decision_tree = decision_tree.fit(iris.data, iris.target)
r = export_text(decision_tree, feature_names=iris['feature_names'])
print(r)           

结果如下：

（4）其他用途

使用DecisionTreeRegressor()函数，决策树也可以应用于回归问题，进行简单示例。

X = [[0, 0], [1, 1]]                   #定义输入
Y = [1, 2]                             #定义标签
clf = tree.DecisionTreeRegressor()    #构建回归模型
clf = clf.fit(X, Y)                   #模型训练
print(clf.predict([[1, 1]]))          #模型预测           

参考文献：

《机器学习实战》、《scikit-learn官方文档》

机器学习实战-当当网​search.dangdang.com scikit-learn: machine learning in Python​scikit-learn.org