从零入手人工智能（5）—— 决策树

1.前言

在上一篇文章《从零入手人工智能（4）------ 逻辑回归》中讲述了逻辑回归这个分类算法，今天我们的主角是决策树。决策树和逻辑回归这两种算法都属于分类算法，以下是决策树和逻辑回归的相同点：

分类任务：两者都是用于分类任务的算法。无论是决策树还是逻辑回归，它们的目标都是根据输入的特征（或变量）来预测样本的类别。这两种算法都接受一组特征作为输入，并输出一个类别标签。

预测类别：它们都可以预测样本属于哪个类别。无论是二分类问题还是多分类问题，决策树和逻辑回归都能够进行建模和预测。

处理特征：两者都可以处理多种类型的特征，包括数值型特征和类别型特征。

模型评估 ：两者都可以使用相同的评估指标来评估模型的性能，如准确率、召回率、F1分数、AUC-ROC等。

虽然决策树和逻辑回归有上述相同点，但它在仍然存在差异。决策树和逻辑回归最大的差异在于它们的模型算法原理不同 ：决策树 基于树形结构进行决策，通过一系列规则对数据进行分类。而逻辑回归 使用逻辑函数（如sigmoid函数）对输入特征进行建模，将线性模型的输出转换为概率值，然后根据概率值判断样本所属的类别。

由于决策树和逻辑回归有着诸多相似之处，所以本文就不额外过多的讲解，直接通过一个入门程序和一个进阶实战程序展示决策树 。

2.入门程序

入门程序利用make_classification方法自动生成一组X和Y，其中X有4个特征。使用DecisionTreeClassifier方法建立一个决策树模型，训练模型后，提取模型特征，最后使用 plot_tree 函数可视化决策树的结构。
程序如下：

csharp 复制代码

import numpy as np  
import matplotlib.pyplot as plt  
from sklearn.datasets import make_classification  
from sklearn.tree import DecisionTreeClassifier  
from sklearn.model_selection import train_test_split  
  
# 生成分类数据集  
X, y = make_classification(n_samples=1000, n_features=4,  
                           n_informative=2, n_redundant=0,  
                           random_state=0, shuffle=False)  
  
# 划分数据集为训练集和测试集  
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)  
  
# 创建决策树分类器  
clf = DecisionTreeClassifier(random_state=42)  
  
# 训练模型  
clf.fit(X_train, y_train)  
  
# 获取特征重要性  
importances = clf.feature_importances_  
indices = np.argsort(importances)[::-1]  
  
# 打印特征排名  
print("Feature ranking:")  
  
for f in range(X.shape[1]):  
    print("%d. feature %d (%f)" % (f + 1, indices[f], importances[indices[f]]))  
  
# 绘制特征重要性  
plt.figure()  
plt.title("Feature importances")  
plt.bar(range(X.shape[1]), importances[indices], align="center")  
plt.xticks(range(X.shape[1]), [f"Feature {i+1}" for i in indices])  
plt.xlim([-1, X.shape[1]])  
plt.show()  
  
# 使用 plot_tree 函数可视化决策树的结构  
fig, axes = plt.subplots(nrows=1, ncols=1, figsize=(14, 10), dpi=80)  
plot_tree(clf,   
          feature_names=['feature_{}'.format(i) for i in range(X.shape[1])],    
          class_names=['class_0', 'class_1'],  
          filled=True, rounded=True,  
          ax=axes)  
plt.show()

程序运行结果如下 ：

3.进阶实战

本实战程序的目的是：根据气象环境数据预测是否会下雨。利用数据表macau_weather.csv中的数据进行训练和测试。
（希望获取源码和测试数据的朋友请在评论区留言）

step1

读取macau_weather.csv中的数据，并可视化数据，根据可视化结果可知数据表中有以下数：

num、date、air_pressure、high_tem、aver_tem、low_tem、 humidity、sunlight_time 、wind_direction、wind_speed、rain_accum

其中rain_accum为目标值（标签：有雨、无雨），以下七个数据为特征变量：

air_pressure、high_tem、aver_tem、low_tem 、humidity、sunlight_time 、wind_direction、wind_speed

step2

数据表中的一共有426组数据（来源于426天的气象数据记录），检查每组数据是否完整，根据检查结果可知有0.7%的数据存在空缺

step3

将数据表中的rain_accum转换成1和0，0代表无雨1代表有雨。

step4

使用DecisionTreeClassifier方法建立决策树模型，利用训练集数据训练模型。

step5

利用模型和测试集数据，测试模型准确性，并可视化结果，根据可视化图标可知模型预测的准确性达到了87.1%。

希望获取源码和测试数据的朋友请在评论区留言

创作不易希望朋友们点赞，转发，评论，关注!
您的点赞，转发，评论，关注将是我持续更新的动力!
CSDN：https://blog.csdn.net/li_man_man_man
今日头条：https://www.toutiao.com/article/7149576260891443724