机器学习入门——决策树的实例

写文章的目的是为了巩固所学，和方便回顾查找。如有讲错的地方，欢迎指出，谢谢。

我们的数据集 tree(1).csv 长这样：

#导入必要的库
from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import preprocessing
from sklearn import tree

#加载数据文件
load_file = open(r'tree(1).csv')  
reader = csv.reader(load_file)  #载入数据
headers = reader.__next__()   #读取第一行
print(headers)
#试着打印结果，也可以作为指标加载数据是否成功

打印结果:

['RID', 'age', 'income', 'student', 'credit_rating', 'class_buys_computer']

观察我们的数据，发现数据中的特征，例如：age:youth ..等，导入无法识别，因此需要对特征进行抽取，用到了DictVectorizer
DictVectorizer 使用可以参考这篇文章

说明： DictVectorizer的处理对象是符号化(非数字化)的但是具有一定结构的特征数据，如字典等，将符号转成数字0/1表示。

lables = []    #用于存储标记实例，也就是本例中的是否购入电脑
feature = []   #用于存储特征

#reader返回的值是csv文件中每行的列表，将每行读取的值作为列表返回
for row in reader:
    lables.append(row[len(row)-1])
    features = {}
    for each in range(1,len(row)-1):
        features[headers[each]] = row[each]
    feature.append(features)

vec = DictVectorizer()
x = vec.fit_transform(feature).toarray()
print('特征提取后的X'+'n'+str(x))
# print(headers)
lab = preprocessing.LabelBinarizer()
y = lab.fit_transform(lables)
print('Y'+'n'+str(y))

输出：

特征提取后的X
[[0. 0. 1. 0. 1. 1. 0. 0. 1. 0.]
 [0. 0. 1. 1. 0. 1. 0. 0. 1. 0.]
 [1. 0. 0. 0. 1. 1. 0. 0. 1. 0.]
 [0. 1. 0. 0. 1. 0. 0. 1. 1. 0.]
 [0. 1. 0. 0. 1. 0. 1. 0. 0. 1.]
 [0. 1. 0. 1. 0. 0. 1. 0. 0. 1.]
 [1. 0. 0. 1. 0. 0. 1. 0. 0. 1.]
 [0. 0. 1. 0. 1. 0. 0. 1. 1. 0.]
 [0. 0. 1. 0. 1. 0. 1. 0. 0. 1.]
 [0. 1. 0. 0. 1. 0. 0. 1. 0. 1.]
 [0. 0. 1. 1. 0. 0. 0. 1. 0. 1.]
 [1. 0. 0. 1. 0. 0. 0. 1. 1. 0.]
 [1. 0. 0. 0. 1. 1. 0. 0. 0. 1.]
 [0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]
特征提取后的Y：
[[0]
 [0]
 [1]
 [1]
 [1]
 [0]
 [1]
 [0]
 [1]
 [1]
 [1]
 [1]
 [1]
 [0]]

建立决策树模型

result = tree.DecisionTreeClassifier(criterion='entropy')
#使用特征选择标准为entropy,默认为基尼系数”gini”
result.fit(x,y)
# print('result'+str(result))
with open('tree1.dot','w') as f:
    f = tree.export_graphviz(result,out_file=f,feature_names=vec.get_feature_names())
#保存成文件

关于特征标准选择可以参考这篇文章

可以使用Graphviz工具可视化决策树（需要配置成环境变量才可以在控制台使用）
命令：dot -Tpdf tree1.dot -o pic.pdf
结果如下：