Python實現(xiàn)決策樹并且使用Graphviz可視化的例子

更新時間：2019年08月09日 14:40:24 作者：夕夕如盼

今天小編就為大家分享一篇Python實現(xiàn)決策樹并且使用Graphviz可視化的例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

一、什么是決策樹（decision tree）——機器學習中的一個重要的分類算法

決策樹是一個類似于數(shù)據(jù)流程圖的樹結(jié)構(gòu)：其中，每個內(nèi)部節(jié)點表示一個屬性上的測試，每個分支代表一個屬性輸出，而每個樹葉結(jié)點代表類或者類的分布，樹的最頂層是根結(jié)點

根據(jù)天氣情況決定出游與否的案例

二、決策樹算法構(gòu)建

2.1決策樹的核心思路

特征選擇：從訓練數(shù)據(jù)的特征中選擇一個特征作為當前節(jié)點的分裂標準（特征選擇的標準不同產(chǎn)生了不同的特征決策樹算法）。

決策樹生成：根據(jù)所選特征評估標準，從上至下遞歸地生成子節(jié)點，直到數(shù)據(jù)集不可分則停止決策樹停止聲場。

剪枝：決策樹容易過擬合，需要剪枝來縮小樹的結(jié)構(gòu)和規(guī)模（包括預剪枝和后剪枝）。

2.2 熵的概念：度量信息的方式

實現(xiàn)決策樹的算法包括ID3、C4.5算法等。常見的ID3核心思想是以信息增益度量屬性選擇，選擇分裂后信息增益最大的屬性進行分裂。

一條信息的信息量大小和它的不確定性有直接的關系，要搞清楚一件非常不確定的事情，或者是我們一無所知的事情，需要大量的信息====>信息量的度量就等于不確定性的多少。也就是說變量的不確定性越大，熵就越大

信息熵的計算公司

S為所有事件集合，p為發(fā)生概率，c為特征總數(shù)。

信息增益（information gain）是指信息劃分前后的熵的變化，也就是說由于使用這個屬性分割樣例而導致的期望熵降低。也就是說，信息增益就是原有信息熵與屬性劃分后信息熵（需要對劃分后的信息熵取期望值）的差值，具體計算如下：

其中，第二項為屬性A對S劃分的期望信息。

三、IDE3決策樹的Python實現(xiàn)

以下面這個不同年齡段的人買電腦的情況為例子建模型算法

'''
Created on 2018年7月5日
使用python內(nèi)的科學計算的庫實現(xiàn)利用決策樹解決問題 
@author: lenovo
'''
#coding:utf-8
from sklearn.feature_extraction import DictVectorizer
#數(shù)據(jù)存儲的格式 python自帶不需要安裝
import csv 
#預處理的包
from sklearn import preprocessing
from sklearn.externals.six import StringIO
from sklearn.tree import tree 
from sklearn.tree import export_graphviz
'''
文件保存格式需要是utf-8
window中的目錄形式需要是左斜杠 F:/AA_BigData/test_data/test1.csv
excel表格存儲成csv格式并且是utf-8格式的編碼
'''
'''
決策樹數(shù)據(jù)源讀取
scklearn要求的數(shù)據(jù)類型 特征值屬性必須是數(shù)值型的
需要對數(shù)據(jù)進行預處理
'''
#裝特征的值
featureList=[] 
#裝類別的詞
labelList=[]
with open("F:/AA_BigData/test_data/decision_tree.csv", "r",encoding="utf-8") as csvfile:
 decision =csv.reader(csvfile)
 headers =[]
 row =1
 for item in decision:
 if row==1:
  row=row+1
  for head in item:
  headers.append(head)
 else:
  itemDict={}
  labelList.append(item[len(item)-1])
  for num in range(1,len(item)-1):
#  print(item[num])
  itemDict[headers[num]]=item[num]
  featureList.append(itemDict) 
print(headers)
print(labelList)
print(featureList)
'''
將原始數(shù)據(jù)轉(zhuǎn)換成包含有字典的List
將建好的包含字典的list用DictVectorizer對象轉(zhuǎn)換成0-1矩陣
'''
vec =DictVectorizer()
dumyX =vec.fit_transform(featureList).toarray();
#對于類別使用同樣的方法
lb =preprocessing.LabelBinarizer()
dumyY=lb.fit_transform(labelList)
print(dumyY)
'''
 1.構(gòu)建分類器——決策樹模型
 2.使用數(shù)據(jù)訓練決策樹模型
'''
clf =tree.DecisionTreeClassifier(criterion="entropy")
clf.fit(dumyX,dumyY)
print(str(clf))
'''
1.將生成的分類器轉(zhuǎn)換成dot格式的 數(shù)據(jù)
2.在命令行中dot -Tpdf iris.dot -o output.pdf將dot文件轉(zhuǎn)換成pdf圖的文件
'''
#視頻上講的不適用python3.5
with open("F:/AA_BigData/test_data/decisiontree.dot", "w") as wFile:
 export_graphviz(clf,out_file=wFile,feature_names=vec.get_feature_names())

Graphviz對決策樹的可視化