Press "Enter" to skip to content

决策树算法之鸢尾花特征分类可视化详解【机器学习】

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

文章目录

 

一.前言

 

1.1 本文原理

 

鸢尾花特征分类决策树算法可视化效果图如下:

 

决策树是一种常用的机器学习方法,它可以帮助我们解决分类和回归问题。该模型具有高度的可解释性。该模型符合人类的思维方式,是一种经典的树形结构。

 

熵:香农用“下降”一词来表示信息传输中不确定性的量化。降幅越大,不确定性越大,从这些信息中得出结论就越困难。

 

基尼系数比信息熵要简单很多,基尼系数的计算公式如下所示。

 

信息增益(ID3算法)以某特征划分数据集前后的熵的差值公式.

 

基尼指数的计算

 

在分类问题中,假设有k类,样本点属于k类的概率为PK,则概率分布的基尼指数定义为:

 

如果样本集D根据特征a分为D1和D2,则在特征a的条件下,集D的基尼指数定义为:

 

基尼指数基尼(D,a)表示不同特征a组中数据集D的不确定性。基尼指数越大,样本集的不确定性越大,这类似于熵的概念。

 

1.2 本文目的

 

 

    1. 使用scikit-learn机器学习包的决策树算法,使用4个特征对鸢尾花进行分类;

 

    1. 使用ID3算法对天气与踢球数据集进行手工计算,手写E(S, Temperature)、IG(S, Temperature) 、E(S, Humidity)、IG(S, Humidity)、E(S, Windy)、IG(S, Windy)的计算过程,拍照上传、粘贴图片到实验报告。(计算方法请参见附件PPT)

 

    1. 使用CART算法对天气与踢球数据集进行手工计算,手写Gini(S, Temperature)、Gini gain(S, Temperature) 、Gini(S, Humidity)、Gini gain(S, Humidity)、Gini(S, Windy)、Gini gain(S, Windy)的计算过程,拍照上传、粘贴图片到实验报告。(计算方法请参见附件PPT)

 

    1. (选做)安装决策树可视化控件GraphViz和pydotplus包,对鸢尾花分类结果生成决策树可视化图片;

 

 

二.实验过程

 

2.1 使用scikit-learn机器学习包的决策树算法,使用4个特征对鸢尾花进行分类;

 

老规矩,先引入load_iris模块,有150组鸢尾花特征数据,我们可以拿来进行学习特征分类。

 

如下代码:

 

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

 

引入决策树模块:

 

from sklearn import tree

 

根据特征分析,数据可分为根节点(初始节点)、中间节点和叶节点(无进一步可分离的节点)。

 

我们使用DecisionTreeClassifier创建一个决策树分类器,如下代码:

 

e = tree.DecisionTreeClassifier(criterion='entropy')

 

上文参数解释:

 

criterion : string,optional(default =“gini”)

 

特征选择标准,可选参数,默认是gini,可以设置为entropy。

 

基尼是基尼不纯,是将集合中的某个结果随机应用于某个数据项的预期错误率。这是一个统计概念。熵就是香农熵,一种基于信息论的思想。

 

选用全部特征值:

 

tree.fit(X,y)

 

输出训练得分和预测,如下代码:

 

print("决策树 training score: ",tree.score(X,y))
print("决策树 predict: ",tree.predict([[7,5,2,0.5],[7.5,4,7,2]]))

 

输出训练得分和预测运行截图如下:

 

2.2使用ID3算法对天气与踢球数据集进行手工计算,手写E(S, Temperature)、IG(S, Temperature) 、E(S, Humidity)、IG(S, Humidity)、E(S, Windy)、IG(S, Windy)的计算过程

 

手写图暂时不放了哈,字丑。(略)

 

记录一下PPT的样板计算过程如下:

 

E(S) = -[(9/14)log2(9/14) + (5/14)log2 (5/14)] = 0.94

 

 

本题目通过我的计算得如下结果:

 

E(S, Temperature)=0.911   IG(S, Temperature) =0.029
E(S, Humidity)=0.788    IG(S, Humidity)=0.152
E(S, Windy)=0.8932       IG(S, Windy)=0.048

 

最终,我们可以得到如下的决策树:

 

2.3 使用CART算法对天气与踢球数据集进行手工计算,手写Gini(S, Temperature)、Gini gain(S, Temperature) 、Gini(S, Humidity)、Gini gain(S, Humidity)、Gini(S, Windy)、Gini gain(S, Windy)的计算过程

 

手写图暂时不放了哈,字丑。(略)

 

记录一下PPT的样板计算过程如下:

 

Gini(S) = 1 - [(9/14)² + (5/14)²] = 0.4591

 

本题目通过我的计算得如下结果:

 

Gini(S, Temperature)=0.4405   Gini gain(S, Temperature)=0.0185
Gini(S, Humidity)=0.3674   Gini gain(S, Humidity)=0.0916
Gini(S, Windy)=0.4286    Gini gain(S, Windy)=0.0304

 

从结果来看,天气预报(outlook)的基尼

 

增益为0.117,是最高的,因此我们选择天

 

气预报(outlook)作为我们的根节点。

 

2.4 安装决策树可视化控件GraphViz和pydotplus包,对鸢尾花分类结果生成决策树可视化图片;

 

先安装可视化控件GraphViz:

 

去官网下载安装即可:

 

官网:

 

http://www.graphviz.org/

 

安装一下pydotplus模块。

 

安装一下os模块。

 

先使用os模块,指定一下路径等等信息。

 

import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files/Graphviz/bin/'
from six import StringIO
dot_data=StringIO()

 

使用tree.export_graphviz,可视化决策树,如下代码:

 

tree.export_graphviz(clf, out_file=dot_data
                             , feature_names=iris.feature_names,
                             class_names=iris.target_names,
                             filled=True,
                             rounded=True,
                             special_characters=True)

 

使用pydotplus模块设置图案格式等等信息,如下代码:
import pydotplus
graph =pydotplus.graph_from_dot_data(dot_data.getvalue())
from IPython.display import display,Image
display(Image(graph.create_png()))

 

指定输出格式,输出为pdf和png俩个

 

graph.write_png("tree_iris.png")
graph.write_pdf("tree_iris.pdf")

 

我们看一下效果图:

 

2.5 决策树算法之鸢尾花特征分类可视化效果图

 

 

三,收获

 

本次实验收获很大,学会了使用决策树算法4个特征对鸢尾花进行分类,使用ID3算法和CART算法对天气与踢球数据集进行手工计算,还学会了安装决策树可视化控件GraphViz和pydotplus包,对鸢尾花分类结果生成决策树可视化图片,本次实验让我对机器学习有了更加扎实的基础和理解。

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注