社区微信群开通啦,扫一扫抢先加入社区官方微信群
社区微信群
想了解决策树的原理,可以看我关于决策树理论的介绍
共同参数 | 含义 |
---|---|
max_depth | 决策树最大深度:默认可以不输入,决策树在生成的时候不会限制树的深度。一般来说,数据少或者特征少的时候可以不管这个值。如果模型样本量多,特征也多的情况下,推荐限制这个最大深度,具体的取值取决于数据的分布。常用的可以取值10-100之间。 |
max_features | 划分时考虑的最大特征数:默认是”None”,意味着划分时考虑所有的特征数。可以使用很多种类型的值,如果是”log2”意味着划分时最多考虑 |
max_leaf_nodes | 最大叶子节点数:默认是”None”,即不限制最大的叶子节点。通过限制最大叶子节点数,可以防止过拟合,数。如果加了限制,算法会建立在最大叶子节点数内最优的决策树。如果特征不多,可以不考虑这个值,但是如果特征分成多的话,可以加以限制,具体的值可以通过交叉验证得到。 |
min_samples_split | 内部节点再划分所需最小样本数:默认是2,适合样本量不大的情况。这个参数限制了子树继续划分的条件,如果某节点的样本数少于min_samples_split,则不会继续再尝试选择最优特征来进行划分。如果样本量数量级非常大,则推荐增大这个值。 |
min_samples_leaf | 叶子节点最少样本数:默认为1,这个值限制了叶子节点最少的样本数,如果某叶子节点数目小于样本数,则会和兄弟节点一起被剪枝。可以输入最少的样本数的整数,或者最少样本数占样本总数的百分比。如果样本量不大,不需要管这个值。如果样本量数量级非常大,则推荐增大这个值。 |
min_weight_fraction_leaf | 叶子节点最小的样本权重和:默认为0.0,就是不考虑权重问题。这个值限制了叶子节点所有样本权重和的最小值,如果小于这个值,则会和兄弟节点一起被剪枝。一般来说,如果我们有较多样本有缺失值,或者分类树样本的分布类别偏差很大,就会引入样本权重,这时我们就要注意这个值了。 |
min_impurity_split | 节点划分最小不纯度:默认为None。这个值限制了决策树的增长,如果某节点的不纯度(基尼系数,信息增益,均方差,绝对差)小于这个阈值,则该节点不再生成子节点,即为叶子节点 。 |
presort | 数据是否预排序:默认是False,不排序。一般来说,如果样本量少或者限制了一个深度很小的决策树,设置为true可以让划分点选择更加快,决策树建立的更加快。如果样本量太大的话,反而没有什么好处。问题是样本量少的时候,我速度本来就不慢。所以这个值一般懒得理它就可以了。 |
splitter | 特征划分点选择标准:默认的”best”,适合样本量不大的时候。可以使用”best”或者”random”。前者在特征的所有划分点中找出最优的划分点。后者是随机的在部分划分点中找局部最优的划分点。而如果样本数据量非常大,此时决策树构建推荐”random” |
不同参数 | 含义 | 分类 | 回归 |
---|---|---|---|
criterion | 特征选择标准 | 可以使用”gini”或者”entropy”,前者代表基尼系数,后者代表信息增益。一般说使用默认的基尼系数”gini”就可以了,即CART算法。除非你更喜欢类似ID3, C4.5的最优特征选择方法。 | 可以使用”mse”或者”mae”,前者是均方差,后者是和均值之差的绝对值之和。推荐使用默认的”mse”。一般来说”mse”比”mae”更加精确。除非你想比较二个参数的效果的不同之处。 |
class_weight | 类别权重 | 指定样本各类别的的权重,默认是None。为了防止训练集某些类别的样本过多,导致训练的决策树过于偏向这些类别,可以自己指定各个样本的权重,或者用“balanced”,如果使用“balanced”,则算法会自己计算权重,样本量少的类别所对应的样本权重会高。如果你的样本类别分布没有明显的偏倚,使用默认即可 | 无 |
DecisionTreeClassifier 是能够在数据集上执行多分类的类。采用输入两个数组:数组X,用 [n_samples, n_features] 的方式来存放训练样本。整数值数组Y,用 [n_samples] 来保存训练样本的类标签:
Step1:安装Graphviz,graphviz和pydotplus包(如果已经安装Graphviz,请跳过第一步)
brew install Graphviz
pip3 install graphviz
pip3 install pydotplus
Step2:
from sklearn import tree
from sklearn.datasets import load_iris
from IPython.display import Image
import pydotplus
# 使用iris数据
iris=load_iris()
# 生成决策分类树实例
clf = tree.DecisionTreeClassifier()
# 拟合iris数据
clf = clf.fit(iris.data, iris.target)
# 预测类别
clf.predict(iris.data[:1, :])
# 分别预测属于所有类别的可能性
clf.predict_proba(iris.data[:1, :])
# 可视化决策树
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)
# 显示图片
Image(graph.create_png())
from sklearn.tree import DecisionTreeRegressor
import numpy as np
# 生成一个随机数据集
rng = np.random.RandomState(1)
X = np.sort(5 * rng.rand(80, 1), axis=0)
y = np.sin(X).ravel()
y[::5] += 3 * (0.5 - rng.rand(16))
# 训练模型
tree1 = DecisionTreeRegressor(max_depth=2)
tree2 = DecisionTreeRegressor(max_depth=5)
tree1.fit(X, y)
tree2.fit(X, y)
# 预测
X_test = np.arange(0.0, 5.0, 0.01)[:, np.newaxis]
y1 = tree1.predict(X_test)
y2 = tree2.predict(X_test)
# 画出结果
plt.figure()
plt.scatter(X, y, s=20, edgecolors='black',
c='darkorange', label='data')
plt.plot(X_test, y1, color="cornflowerblue",
label="max_depth=2", linewidth=2)
plt.plot(X_test, y2, color="yellowgreen", label="max_depth=5", linewidth=2)
plt.xlabel("data")
plt.ylabel("target")
plt.title("Decision Tree Regression")
plt.legend()
plt.show()
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!