决策树实践

官方文档：http://scikit-learn.org/stable/modules/tree.html

scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。分类决策树的类对应的是DecisionTreeClassifier，而回归决策树的类对应的是DecisionTreeRegressor。两者的参数定义几乎完全相同，但是意义不全相同。下面就对DecisionTreeClassifier和DecisionTreeRegressor的重要参数做一个总结，重点比较两者参数使用的不同点和调参的注意点。

一、DecisionTreeClassifier

重要参数说明：其他自己去看文档。。

1、criterion:选择的分类度量方式，默认是gini系数，可选择的有：entropy（代表的是信息增益），一般默认就选择基尼系数就可以了

2、max_depth：决策树最大深度   用来防止过拟合

3、min_samples_split：最小的划分样本数，也就是如果样本数小于这个值就不划分了   用来防止过拟合

4、min_samples_leaf:最小划分的叶子节点样本数，如果样本数小于这个，就不划分了   用来防止过拟合

5、max_leaf_nodes:最多的叶子节点数：用来防止过拟合

二、DecisionTreeRegressor

重要参数说明：其他自己去看文档。。

1、criterion：划分的标准：均方误差，另一个是mae，基本不用

2、其他基本与分类树一致

三、可视化

http://www.graphviz.org/

四、实战

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#显示中文
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = [u'SimHei']
mpl.rcParams['axes.unicode_minus'] = False
#在sklearn中分成两种决策树，分别是用于回归的和分类的：DecisionTreeRegressor  、  DecisionTreeClassifier
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
#载入数据并分割测试集训练集
iris = load_iris()
x = iris.data
y = iris.target
x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=1)
#建立模型并预测
clf = DecisionTreeClassifier()
clf.fit(x_train,y_train)
y_hat = clf.predict(x_test)
print(accuracy_score(y_test,y_hat))
import os
os.environ["PATH"] += os.pathsep + 'C:softwareBin'
from IPython.display import Image  
import pydotplus
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())