四、分类算法 - 决策树

目录

1、认识决策树

2、决策树分类原理详解

3、信息论基础

[3.1 信息](#3.1 信息)

[3.2 信息的衡量 - 信息量 - 信息熵](#3.2 信息的衡量 - 信息量 - 信息熵)

[3.3 决策树划分的依据 - 信息增益](#3.3 决策树划分的依据 - 信息增益)

[3.4 案例](#3.4 案例)

4、决策树API

5、案例：用决策树对鸢尾花进行分类

6、决策树可视化

7、总结

8、案例：泰坦尼克号乘客生存预测

[8.1 流程分析](#8.1 流程分析)

---

1. sklearn转换器和估算器
2. KNN算法
3. 模型选择和调优
4. 朴素贝叶斯算法
5. 决策树
6. 随机森林

1、认识决策树

如何高效的进行决策？

特征的先后顺序

2、决策树分类原理详解

已知 四个特征值 预测 是否贷款给某个人

• 先看房子，再工作 -> 是否贷款 只看了两个特征
• 年龄，信贷情况，工作 看了三个特征

3、信息论基础

3.1 信息

香农：消除随机不定性的东西

• 小明 年龄"我今年18岁"- 信息
• 小华"小明明年19岁"-不是信息

3.2 信息的衡量 - 信息量 - 信息熵

3.3 决策树划分的依据 - 信息增益

3.4 案例

4、决策树API

5、案例：用决策树对鸢尾花进行分类

def decision_iris():
    # 用决策树对鸢尾花进行分类
    # 1、获取数据集
    iris = load_iris()
    # 2、划分数据集
    x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=22)
    # 3、决策树预估器
    estimator = DecisionTreeClassifier(criterion="entropy")
    estimator.fit(x_train,y_train)
    # 4、模型评估
    # 方法1 ：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict：\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法2：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    return None

if __name__ == "__main__":   
    # 代码4：用决策树对鸢尾花进行分类
    decision_iris()

6、决策树可视化

1. 导入 from sklearn.tree import DecisionTreeClassifier,export_graphviz
2. 可视化决策树 export_graphviz(estimator,out_file="iris_tree.dot")
3. 生存.dot文件，打开复制到网址http://webgraphviz.com/

from sklearn.datasets import load_iris, fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.naive_bayes import MultinomialNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeClassifier,export_graphviz


def decision_iris():
    # 用决策树对鸢尾花进行分类
    # 1、获取数据集
    iris = load_iris()
    # 2、划分数据集
    x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=22)
    # 3、决策树预估器
    estimator = DecisionTreeClassifier(criterion="entropy")
    estimator.fit(x_train,y_train)
    # 4、模型评估
    # 方法1 ：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict：\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法2：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    # 可视化决策树
    export_graphviz(estimator,out_file="iris_tree.dot",feature_names=iris.feature_names)
    return None

if __name__ == "__main__":    
    # 代码4：用决策树对鸢尾花进行分类
    decision_iris()

7、总结

8、案例：泰坦尼克号乘客生存预测

8.1 流程分析

• 获取数据
• 数据处理

1. 缺失值处理
2. 特征值 -> 字典类型

• 准备好特征值、目标值
• 划分数据集
• 特征工程：字典特征抽取
• 决策树预估器流程
• 模型评估