Python機(jī)器學(xué)習(xí)應(yīng)用之決策樹分類實(shí)例詳解
一、數(shù)據(jù)集
該數(shù)據(jù)集一共包含8個變量,其中7個特征變量,1個目標(biāo)分類變量。共有150個樣本,目標(biāo)變量為 企鵝的類別 其都屬于企鵝類的三個亞屬,分別是(Adélie, Chinstrap and Gentoo)。包含的三種種企鵝的七個特征,分別是所在島嶼,嘴巴長度,嘴巴深度,腳蹼長度,身體體積,性別以及年齡。
二、實(shí)現(xiàn)過程
1 數(shù)據(jù)特征分析
## 基礎(chǔ)函數(shù)庫 import numpy as np import pandas as pd ## 繪圖函數(shù)庫 import matplotlib.pyplot as plt import seaborn as sns #%%讀入數(shù)據(jù) #利用Pandas自帶的read_csv函數(shù)讀取并轉(zhuǎn)化為DataFrame格式 data = pd.read_csv('D:\Python\ML\data\penguins_raw.csv') #我選取了四個簡單的特征進(jìn)行研究 data = data[['Species','Culmen Length (mm)','Culmen Depth (mm)', 'Flipper Length (mm)','Body Mass (g)']] data.info() #查看數(shù)據(jù) print(data.head()) #發(fā)現(xiàn)數(shù)據(jù)中存在的NAN,缺失值此處使用-1將缺失值進(jìn)行填充 data=data.fillna(-1) print(data.tail()) #查看對應(yīng)標(biāo)簽 print(data['Species'].unique()) #統(tǒng)計(jì)每個類別的數(shù)量 print(pd.Series(data['Species']).value_counts()) #對特征進(jìn)行統(tǒng)一描述 print(data.describe()) #可視化描述 sns.pairplot(data=data,diag_kind='hist',hue='Species') plt.show() #%%為了方便處理,將標(biāo)簽數(shù)字化 # 'Adelie Penguin (Pygoscelis adeliae)' ------0 # 'Gentoo penguin (Pygoscelis papua)' ------1 # 'Chinstrap penguin (Pygoscelis antarctica) ------2 def trans(x): if x == data['Species'].unique()[0]: return 0 if x == data['Species'].unique()[1]: return 1 if x == data['Species'].unique()[2]: return 2 data['Species'] = data['Species'].apply(trans) #利用箱圖得到不同類別在不同特征上的分布差異 for col in data.columns: if col != 'Species': sns.boxplot(x='Species', y=col, saturation=0.5, palette='pastel', data=data) plt.title(col) plt.show() plt.figure() #%%選取species,culmen_length和culmen_depth三個特征繪制三維散點(diǎn)圖 from mpl_toolkits.mplot3d import Axes3D fig = plt.figure(figsize=(10,8)) ax = fig.add_subplot(111, projection='3d') data_class0 = data[data['Species']==0].values data_class1 = data[data['Species']==1].values data_class2 = data[data['Species']==2].values # 'setosa'(0), 'versicolor'(1), 'virginica'(2) ax.scatter(data_class0[:,0], data_class0[:,1], data_class0[:,2],label=data['Species'].unique()[0]) ax.scatter(data_class1[:,0], data_class1[:,1], data_class1[:,2],label=data['Species'].unique()[1]) ax.scatter(data_class2[:,0], data_class2[:,1], data_class2[:,2],label=data['Species'].unique()[2]) plt.legend() plt.show()
運(yùn)行結(jié)果
2 利用決策樹模型在二分類上進(jìn)行訓(xùn)練和預(yù)測
#%%利用決策樹模型在二分類上進(jìn)行訓(xùn)練和預(yù)測——選取0和1兩類樣本,樣本選取其中的四個特征 ## 為了正確評估模型性能,將數(shù)據(jù)劃分為訓(xùn)練集和測試集,并在訓(xùn)練集上訓(xùn)練模型,在測試集上驗(yàn)證模型性能。 from sklearn.model_selection import train_test_split data_target_part = data[data['Species'].isin([0,1])][['Species']] data_features_part = data[data['Species'].isin([0,1])][['Culmen Length (mm)','Culmen Depth (mm)', 'Flipper Length (mm)','Body Mass (g)']] ## 測試集大小為20%, 80%/20%分 x_train, x_test, y_train, y_test = train_test_split( data_features_part, data_target_part, test_size = 0.2, random_state = 2020) ## 從sklearn中導(dǎo)入決策樹模型 from sklearn.tree import DecisionTreeClassifier from sklearn import tree ## 定義 決策樹模型 clf = DecisionTreeClassifier(criterion='entropy') # 在訓(xùn)練集上訓(xùn)練決策樹模型 clf.fit(x_train, y_train) #%% 可視化決策樹 import pydotplus dot_data = tree.export_graphviz(clf, out_file=None) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_png("D:\Python\ML\DTpraTree.png") #%% 在訓(xùn)練集和測試集上利用訓(xùn)練好的模型進(jìn)行預(yù)測 train_predict = clf.predict(x_train) test_predict = clf.predict(x_test) from sklearn import metrics ## 利用accuracy(準(zhǔn)確度)【預(yù)測正確的樣本數(shù)目占總預(yù)測樣本數(shù)目的比例】評估模型效果 print('The accuracy of the train_DecisionTree is:',metrics.accuracy_score(y_train,train_predict)) print('The accuracy of the test_DecisionTree is:',metrics.accuracy_score(y_test,test_predict)) ## 查看混淆矩陣 (預(yù)測值和真實(shí)值的各類情況統(tǒng)計(jì)矩陣) confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test) print('The confusion matrix result:\n',confusion_matrix_result) # 利用熱力圖對于結(jié)果進(jìn)行可視化 plt.figure(figsize=(8, 6)) sns.heatmap(confusion_matrix_result, annot=True, cmap='Blues') plt.xlabel('Predicted labels') plt.ylabel('True labels') plt.show()
運(yùn)行結(jié)果
3 利用決策樹模型在多分類(三分類)上進(jìn)行訓(xùn)練與預(yù)測
#%%利用決策樹在多分類(三分類)上進(jìn)行訓(xùn)練和預(yù)測 ## 測試集大小為20%, 80%/20%分 x_train, x_test, y_train, y_test = train_test_split(data[['Culmen Length (mm)','Culmen Depth (mm)', 'Flipper Length (mm)','Body Mass (g)']], data[['Species']], test_size = 0.2, random_state = 2020) ## 定義 決策樹模型 clf = DecisionTreeClassifier() # 在訓(xùn)練集上訓(xùn)練決策樹模型 clf.fit(x_train, y_train) ## 在訓(xùn)練集和測試集上分布利用訓(xùn)練好的模型進(jìn)行預(yù)測 train_predict = clf.predict(x_train) test_predict = clf.predict(x_test) train_predict_proba = clf.predict_proba(x_train) test_predict_proba = clf.predict_proba(x_test) print('The test predict Probability of each class:\n',test_predict_proba) ## 其中第一列代表預(yù)測為0類的概率,第二列代表預(yù)測為1類的概率,第三列代表預(yù)測為2類的概率。 ## 利用accuracy(準(zhǔn)確度)【預(yù)測正確的樣本數(shù)目占總預(yù)測樣本數(shù)目的比例】評估模型效果 print('The accuracy of the train_DecisionTree is:',metrics.accuracy_score(y_train,train_predict)) print('The accuracy of the test_DecisionTree is:',metrics.accuracy_score(y_test,test_predict)) ## 查看混淆矩陣 (預(yù)測值和真實(shí)值的各類情況統(tǒng)計(jì)矩陣) confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test) print('The confusion matrix result:\n',confusion_matrix_result) # 利用熱力圖對于結(jié)果進(jìn)行可視化 plt.figure(figsize=(8, 6)) sns.heatmap(confusion_matrix_result, annot=True, cmap='Blues') plt.xlabel('Predicted labels') plt.ylabel('True labels') plt.show()
運(yùn)行結(jié)果
三、KEYS
1 構(gòu)建過程
決策樹的構(gòu)建過程是一個遞歸的過程,函數(shù)存在三種返回狀態(tài):
- 當(dāng)前節(jié)點(diǎn)包含的樣本全部屬于同一類別,無需繼續(xù)劃分
- 當(dāng)前屬性集為空或者所有樣本在某個屬性上的取值相同,無法繼續(xù)劃分
- 當(dāng)前節(jié)點(diǎn)包含的樣本幾何為空,無法劃分
2 劃分選擇
決策樹構(gòu)建的關(guān)鍵是從特征集中選擇最優(yōu)劃分屬性,一般大家希望決策樹每次劃分節(jié)點(diǎn)中包含的樣本盡量屬于同一類別,也就是節(jié)點(diǎn)的“純度”最高
- 信息熵:衡量數(shù)據(jù)混亂程度的指標(biāo),信息熵越小,數(shù)據(jù)的“純度”越高
- 基尼指數(shù):反應(yīng)了從數(shù)據(jù)集中隨機(jī)抽取兩個類別的標(biāo)記不一致的概率
3 重要參數(shù)
- criterion:用來決定模型特征選擇的計(jì)算方法,sklearn提供兩種方法:
entropy:使用信息熵
gini:使用基尼系數(shù)
- random_state&splitte:
random_state用于設(shè)置分支的隨機(jī)模式的參數(shù)
splitter用來控制決策樹中的隨機(jī)選項(xiàng)
- max_depth:限制數(shù)的深度
- min_samples_leaf:一個節(jié)點(diǎn)在分支之后的每個子節(jié)點(diǎn)都必須包含至少幾個訓(xùn)練樣本。該參數(shù)設(shè)置太小,會出現(xiàn)過擬合現(xiàn)象,設(shè)置太大會阻止模型學(xué)習(xí)數(shù)據(jù)
886~~
到此這篇關(guān)于Python機(jī)器學(xué)習(xí)應(yīng)用之決策樹分類實(shí)例詳解的文章就介紹到這了,更多相關(guān)Python 決策樹分類實(shí)例內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python機(jī)器學(xué)習(xí)應(yīng)用之基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測篇詳解
- Python機(jī)器學(xué)習(xí)應(yīng)用之基于LightGBM的分類預(yù)測篇解讀
- Python機(jī)器學(xué)習(xí)應(yīng)用之基于天氣數(shù)據(jù)集的XGBoost分類篇解讀
- Python機(jī)器學(xué)習(xí)應(yīng)用之基于決策樹算法的分類預(yù)測篇
- Python機(jī)器學(xué)習(xí)應(yīng)用之支持向量機(jī)的分類預(yù)測篇
- Python機(jī)器學(xué)習(xí)應(yīng)用之樸素貝葉斯篇
- 在Python中通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)人體姿勢估計(jì)
- Python機(jī)器學(xué)習(xí)之實(shí)現(xiàn)模糊照片人臉恢復(fù)清晰
- Python機(jī)器學(xué)習(xí)應(yīng)用之基于線性判別模型的分類篇詳解
相關(guān)文章
python3.8.1+selenium實(shí)現(xiàn)登錄滑塊驗(yàn)證功能
這篇文章主要介紹了python3.8.1+selenium解決登錄滑塊驗(yàn)證的問題,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-05-05python使用Apriori算法進(jìn)行關(guān)聯(lián)性解析
這篇文章主要為大家分享了python使用Apriori算法進(jìn)行關(guān)聯(lián)性的解析,具有一定的參考價值,感興趣的小伙伴們可以參考一下2017-12-12Python+pyaudio實(shí)現(xiàn)音頻控制示例詳解
PyAudio?是語音處理的?Python?庫,提供了比較豐富的功能。本文將利用pyaudio控制指定設(shè)備,實(shí)現(xiàn)錄制音頻、采集音頻流、播放音頻,感興趣的可以了解一下2022-07-07