本文實例講述了Python機(jī)器學(xué)習(xí)算法庫scikit-learn學(xué)習(xí)之決策樹實現(xiàn)方法。分享給大家供大家參考，具體如下：

決策樹

決策樹 (DTs)是一種用于分類和回歸的非參數(shù)監(jiān)督學(xué)習(xí)方法。目標(biāo)是創(chuàng)建一個模型，通過從數(shù)據(jù)特性中推導(dǎo)出簡單的決策規(guī)則來預(yù)測目標(biāo)變量的值。

例如，在下面的例子中，決策樹通過一組if-then-else決策規(guī)則從數(shù)據(jù)中學(xué)習(xí)到近似正弦曲線的情況。樹越深，決策規(guī)則越復(fù)雜，模型也越合適。

決策樹的一些優(yōu)勢是:

• 便于說明和理解，樹可以可視化表達(dá)；
• 需要很少的數(shù)據(jù)準(zhǔn)備。其他技術(shù)通常需要數(shù)據(jù)標(biāo)準(zhǔn)化，需要創(chuàng)建虛擬變量，并刪除空白值。
• 使用樹的成本是用于對樹進(jìn)行訓(xùn)練的數(shù)據(jù)點的對數(shù)。
• 能夠處理數(shù)值和分類數(shù)據(jù)。其他技術(shù)通常是專門分析只有一種變量的數(shù)據(jù)集。
• 能夠處理多輸出問題。
• 使用白盒模型。如果一個給定的情況在模型中可以觀察到，那么這個條件的解釋很容易用布爾邏輯來解釋。相比之下，在黑盒模型中(例如:在人工神經(jīng)網(wǎng)絡(luò)中，結(jié)果可能更難解釋。
• 可以使用統(tǒng)計測試驗證模型。這樣就可以解釋模型的可靠性。
• 即使它的假設(shè)在某種程度上違反了生成數(shù)據(jù)的真實模型，也會表現(xiàn)得很好。

決策樹的缺點包括:

• 決策樹學(xué)習(xí)可能會生成過于復(fù)雜的樹，不能代表普遍的規(guī)則，這就稱為過擬合。修剪(目前不支持的)機(jī)制，設(shè)置葉片節(jié)點所需的最小樣本數(shù)目或設(shè)置樹的最大深度是避免此問題的必要條件。
• 決策樹可能不穩(wěn)定，因為數(shù)據(jù)中的小變化可能導(dǎo)致生成完全不同的樹。這個問題通過在一個集合中使用多個決策樹來減輕。
• 實際的決策樹學(xué)習(xí)算法是基于啟發(fā)式算法的，例如在每個節(jié)點上進(jìn)行局部最優(yōu)決策的貪婪算法。這種算法不能保證返回全局最優(yōu)決策樹。通過在集合學(xué)習(xí)者中訓(xùn)練多個樹，可以減少這種情況，在這里，特征和樣本是隨機(jī)抽取的。
• 有些概念很難學(xué)習(xí)，因為決策樹無法很容易地表達(dá)它們，例如XOR、奇偶性或多路復(fù)用問題。

分類

決策樹分類器（DecisionTreeClassifier）是一個能夠在數(shù)據(jù)集上執(zhí)行多類分類的類。

與其他分類器一樣，決策樹分類器以輸入兩個數(shù)組作為輸入:數(shù)組X，稀疏或密集， [n_samples,n_features] 保存訓(xùn)練樣本，以及數(shù)組Y的整數(shù)值， [n_samples] ，保存訓(xùn)練樣本的類標(biāo)簽:

            
>>> from sklearn import tree
>>> X = [[0, 0], [1, 1]]
>>> Y = [0, 1]
>>> clf = tree.DecisionTreeClassifier()
>>> clf = clf.fit(X, Y)


          

模型可以用來預(yù)測樣本的類別:

            
>>> clf.predict([[2., 2.]])
array([1])


          

或者，可以預(yù)測每個類的概率，在葉片上同一類的訓(xùn)練樣本的分?jǐn)?shù)

            
>>> clf.predict_proba([[2., 2.]])
array([[ 0., 1.]])


          

DecisionTreeClassifier可以同時進(jìn)行二進(jìn)制(其中標(biāo)簽為[- 1,1])分類和多類(標(biāo)簽為[0]，……,k - 1])分類。

使用虹膜數(shù)據(jù)集，我們可以構(gòu)建如下的樹:

            
>>> from sklearn.datasets import load_iris
>>> from sklearn import tree
>>> iris = load_iris()
>>> clf = tree.DecisionTreeClassifier()
>>> clf = clf.fit(iris.data, iris.target)


          

訓(xùn)練之后，我們可以使用export_graphviz? 將樹導(dǎo)出為Graphviz格式。下面是一個在整個iris（虹膜）數(shù)據(jù)集上輸出的樹示例:

            
>>> with open("iris.dot", 'w') as f:
...   f = tree.export_graphviz(clf, out_file=f)


          

然后我們可以使用Graphviz的dot工具來創(chuàng)建一個PDF文件(或者任何其他受支持的文件類型):dot -Tpdf iris.dot -o iris.pdf

            
>>> import os
>>> os.unlink('iris.dot')


          

或者，如果我們安裝了Python模塊pydotplus，我們可以在Python中直接生成PDF文件(或任何其他受支持的文件類型):

            
>>> import pydotplus
>>> dot_data = tree.export_graphviz(clf, out_file=None)
>>> graph = pydotplus.graph_from_dot_data(dot_data)
>>> graph.write_pdf("iris.pdf")


          

export_graphviz exporter 還支持各種各樣的選項，包括根據(jù)它們的類(或用于回歸的值)著色節(jié)點，如果需要的話，還可以使用顯式變量和類名IPython還可以使用Image()函數(shù)來顯示這些情節(jié):

            
>>> from IPython.display import Image
>>> dot_data = tree.export_graphviz(clf, out_file=None,
             feature_names=iris.feature_names,
             class_names=iris.target_names,
             filled=True, rounded=True,
             special_characters=True)
>>> graph = pydotplus.graph_from_dot_data(dot_data)
>>> Image(graph.create_png())


          

模型可以用來預(yù)測樣本的類別:

            
>>> clf.predict(iris.data[:1, :])
array([0])


          

或者，可以預(yù)測每個類的概率，這是同一類在葉子中的訓(xùn)練樣本的分?jǐn)?shù):

            
>>> clf.predict_proba(iris.data[:1, :])
array([[ 1., 0., 0.]])


          

Examples:

Plot the decision surface of a decision tree on the iris dataset

回歸

使用決策樹類回歸，決策樹也可以應(yīng)用于回歸問題。

在分類設(shè)置中，fit方法將數(shù)組X和y作為參數(shù)，只有在這種情況下，y被期望有浮點值而不是整數(shù)值:

            
>>> from sklearn import tree
>>> X = [[0, 0], [2, 2]]
>>> y = [0.5, 2.5]
>>> clf = tree.DecisionTreeRegressor()
>>> clf = clf.fit(X, y)
>>> clf.predict([[1, 1]])
array([ 0.5])


          

Examples:

Decision Tree Regression

多輸出問題

一個多輸出問題是一個受監(jiān)督的學(xué)習(xí)問題，有幾個輸出可以預(yù)測，即當(dāng)Y是一個二維數(shù)組 [n_samples,n_output] 。

當(dāng)輸出之間沒有相關(guān)性時，解決這類問題的一個非常簡單的方法是建立n個獨立的模型，即每一個輸出，然后使用這些模型獨立地預(yù)測每一個輸出。

然而，因為可能與相同輸入相關(guān)的輸出值本身是相關(guān)的，通常更好的方法是構(gòu)建一個能夠同時預(yù)測所有n輸出的單一模型。首先，它需要較低的培訓(xùn)時間，因為只構(gòu)建了一個估計值。其次，結(jié)果估計量的泛化精度通常會增加。

對于決策樹，這種策略可以很容易地用于支持多輸出問題。這需要以下更改:

• 在葉子中存儲n個輸出值，而不是1;
• 使用分割標(biāo)準(zhǔn)來計算所有n輸出的平均下降。

這個模塊提供了支持多輸出問題的方法，通過DecisionTreeClassifier 和DecisionTreeRegressor實現(xiàn)這個策略。

如果決策樹符合大小( n_samples,n_output )的輸出數(shù)組Y，那么得到的估計值將是:

• 預(yù)測輸出的n_output值;
• 在 predict_proba 上輸出類概率的n_output數(shù)組。

多輸出決策樹回歸中顯示了多輸出樹的回歸。在這個例子中，輸入X是一個單一的實際值，輸出Y是X的正弦和余弦。

Examples:

決策樹多輸出回歸

更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python加密解密算法與技巧總結(jié)》、《Python編碼操作技巧總結(jié)》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》及《Python入門與進(jìn)階經(jīng)典教程》

希望本文所述對大家Python程序設(shè)計有所幫助。