文章目录
- 理论
- sklearn 库实现
- 完整代码
理论
CART全称叫Classification and Regression Tree,即分类与回归树。CART假设决策树是二叉树,内部结点特征的取值只有“是”和“否”,左分支是取值为“是”的分支,有分支则相反。这样的决策树等价于递归地二分每个特征。
CART分类回归树可以做分类或者回归。
- 如果待预测结果是离散型数据,则CART生成分类决策树;
- 如果待预测结果是连续型数据,则CART生成回归决策树。
CART分类树使用==基尼指数(gini)==作为节点划分依据。
CART决策树的生成就是递归地构建二叉决策树的过程,对回归树用平方误差最小化准则,对分类树用基尼指数最小化准则,进行特征选择,生成二叉树。
简而言之:选取Gini指数最小的分支属性作为根节点的分支属性!!!
学习视频:【【五分钟机器学习】可视化的决策过程:决策树 Decision Tree】
sklearn 库实现
-
安装库文件,用于生成二叉树的图:
pip install graphviz
-
下载graphviz安装包进行本地安装:参考学习
-
重启pycharm。
-
写代码:
决策树需要从`from sklearn import tree’导入
clf = tree.DecisionTreeClassifier(criterion='gini', max_depth=3)#cart模型
# 使用特征数据和标签数据训练决策树模型
result = clf.fit(X, Y)
这两行是构建CART模型的关键代码,分裂标准是‘gini’指数,可以改变树的不同深度。
完整代码
import numpy as np # 导入numpy库
import random # 导入random库
from sklearn import tree # 从sklearn库中导入决策树模块
from sklearn.linear_model import LinearRegression
from graphviz import Source # 从graphviz库中导入Source类
#1. 准备数据集
np.random.seed(42) # 设置numpy的随机数生成器的种子
X = np.random.randint(10, size=(100, 4)) # 生成一个100行4列的随机整数数组(>=10),作为特征数据
Y = np.random.randint(2, size=100) # 生成一个包含100个元素的随机整数数组(>=2),作为标签数据
a = np.column_stack((Y, X)) # 将标签和特征数据垂直堆叠
print(a.size)
print(a)
#2. 模型训练
# 创建决策树分类器,使用基尼系数作为分裂准则,最大深度为3
clf = tree.DecisionTreeClassifier(criterion='gini', max_depth=3)#cart模型
# 使用特征数据和标签数据训练决策树模型
result = clf.fit(X, Y)
# 3. 可视化
# 将训练好的决策树模型导出为Graphviz格式的源代码,并创建Source对象
# result1 = tree.export_graphviz(result, out_file=None)
# graph = Source(result1)
graph = Source(tree.export_graphviz(result,out_file=None))
# 设置生成的图像格式为PNG
graph.format = 'png'
# 将Source对象渲染为PNG图像,并自动打开查看
graph.render('cart_tree', view=True)