Python实现决策树(Decision Tree)算法

在 Python 中实现一个决策树算法,可以使用 sklearn 库中的 DecisionTreeClassifier 类。这个类实现了分类任务中的决策树算法。下面是一个简单的例子,展示如何使用 DecisionTreeClassifier 来训练决策树并进行预测。

1. 安装 scikit-learn

如果你还没有安装 scikit-learn,可以使用以下命令来安装它:

pip install scikit-learn

2. 示例代码

下面的代码展示了如何使用决策树算法来进行分类任务:

复制代码
# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.tree import export_text

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data  # 特征数据
y = iris.target  # 标签数据

# 切分数据集,70%训练,30%测试
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier(random_state=42)

# 训练决策树模型
clf.fit(X_train, y_train)

# 在测试集上做预测
y_pred = clf.predict(X_test)

# 打印预测准确度
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy:.4f}')

# 打印决策树的结构
tree_rules = export_text(clf, feature_names=iris['feature_names'])
print("Decision Tree Rules:\n", tree_rules)

3. 代码解释

  1. 数据加载 : 这里使用的是鸢尾花(Iris)数据集,load_iris() 用来加载数据集,它包含了四个特征和三个类别。
  2. 数据切分 : 使用 train_test_split() 方法将数据集切分成训练集和测试集,70% 用于训练,30% 用于测试。
  3. 决策树模型训练 : 使用 DecisionTreeClassifier 来创建一个决策树模型,并通过 .fit() 方法在训练数据上训练模型。
  4. 预测与评估 : 使用 .predict() 对测试集进行预测,并用 accuracy_score 来评估模型的准确度。
  5. 可视化决策树规则 : 使用 export_text() 打印出模型的决策树规则,这些规则展示了如何根据特征来做分类。

4. 可视化决策树(可选)

为了更好地理解决策树,你还可以可视化树形结构。可以使用 plot_tree 方法来可视化:

复制代码
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

# 可视化决策树
plt.figure(figsize=(12, 8))
plot_tree(clf, feature_names=iris['feature_names'], class_names=iris['target_names'], filled=True)
plt.show()

这个图形会展示每个节点的决策条件,以及分类的结果。

结论

上面的代码是一个基本的决策树分类器实现。你可以根据不同的数据集和任务来调整模型的参数,例如 max_depth(树的最大深度)或者 min_samples_split(每个内部节点需要的最小样本数)。

相关推荐
mutianhao10242 小时前
SQLAlchemy 2.x 异步查询方法比较
python·mysql·sqlalchemy
✿ ༺ ོIT技术༻2 小时前
笔试强训:Day2
开发语言·c++·笔记·算法
Jackson@ML3 小时前
如何快速高效学习Python?
开发语言·python
飞桨PaddlePaddle4 小时前
Wan2.1和HunyuanVideo文生视频模型算法解析与功能体验丨前沿多模态模型开发与应用实战第六期
人工智能·算法·百度·音视频·paddlepaddle·飞桨·deepseek
UFIT4 小时前
Python函数与模块笔记
开发语言·python
言之。4 小时前
别学了,打会王者吧
java·python·mysql·容器·spark·php·html5
Starry_hello world5 小时前
C++ 快速幂算法
c++·算法·有问必答
YiSLWLL5 小时前
使用Tauri 2.3.1+Leptos 0.7.8开发桌面小程序汇总
python·rust·sqlite·matplotlib·visual studio code
花酒锄作田5 小时前
[flask]自定义请求日志
python·flask
石去皿5 小时前
力扣hot100 91-100记录
算法·leetcode·职场和发展