机器学习之决策树用法

决策树(DecisionTree, DT)是一种常见的用于分类和回归的非参数监督学习方法，目标是创建一个模型，通过从数 据特性中推导出简单的决策规则来预测目标变量的值。
决策树模型的优点在于：1，简单容易理解，数据结构可以可视化表达。2，需要很少的数据准备，其他技术通常需 要数据标准化，需要创建虚拟变量，并删除空白值。3，能够处理多输出问题。 决策树模型的缺点在于：1，决策树学习可能会生成过于复杂的数结构，不能代表普遍的规则，即模型容易过拟 合，修剪机制，设置叶子节点所需的最小样本数目或设置树的最大深度是避免决策树过拟合的必要条件。2，决策 树可能不稳定，因为数据中的小变化可能导致生成完全不同的树。这个问题可以通过在一个集合中使用多个决策树 来减轻。3，实际的决策树学习算法是基于启发式算法的，例如在每个节点上进行局部最优决策的贪婪算法。这种 算法不能保证返回全局最优决策树。通过在集合学习中训练多个树，可以减少这种情况，在这里，特征和样本是随 机抽取的

# 分析数据集

from sklearn import datasets # sklearn自带的datasets中就有Boston房价数据集

housing_data=datasets.load_boston()

dataset_X=housing_data.data # 获取影响房价的特征向量，作为feaure X

dataset_y=housing_data.target # 获取对应的房价，作为label y # print(dataset_X.shape) # (506, 13) # 一共有506个样本，每个样本有13个features # print(dataset_y.shape) # (506,)

# print(dataset_X[:5,:]) # 打印看看features的数值类型和大小，貌似已经normalize.

# 上面的数据集划分也可以采用下面的方法：

from sklearn.model_selection import train_test_split

train_X,test_X,train_y,test_y=train_test_split(dataset_X,dataset_y,test_size=0.2,random_state=37 )
# 构建决策树回归模型

from sklearn.tree import DecisionTreeRegressor decision_regressor=DecisionTreeRegressor(max_depth=4) # 最大深度确定为4 decision_regressor.fit(train_X,train_y) # 对决策树回归模型进行训练

# 使用测试集来评价该决策树回归模型

predict_test_y=decision_regressor.predict(test_X)
# 决策树可视化（最好封装成def）

import graphviz

from sklearn import tree

import os

os.environ["PATH"] += os.pathsep + 'D:/Program Files (x86)/Graphviz2.38/bin'

dot_data = tree.export_graphviz(decision_regressor, out_file=None,filled=True, rounded=True) # 加圆角，色块
graph = graphviz.Source(dot_data)

graph.render("tree",view=True) #在同级目录下生成tree.pdf文件

#samples：样本的数量

#mse：均方误差（mean-square error, MSE）是反映估计量与被估计量之间差异程度的一种


#评估结果

import sklearn.metrics as metrics print

('决策树回归模型的评测结果- ---->>>')

print('均方误差MSE：{}'.format( round(metrics.mean_squared_error(predict_test_y,test_y),2)))

print('解释方差分：{}'.format( round(metrics.explained_variance_score(predict_test_y,test_y),2)))