使用sklearn来实现决策树建模

本文中讲解的是使用sklearn实现决策树及其建模过程,包含

  • 数据的清洗和数据分离train_test_split
  • 采用不同的指标,基尼系数或者信息熵进行建模,使用的是X_trainy_train
    • 实例化
    • fit拟合
  • 预测功能:采用上面的两种实例化进行预测y_pred = clf_gini.predict(X_test)
  • 结果评估
    • 混淆矩阵
    • 准确率
    • 分类报告
`

封装成函数实现

import numpy as np
import pandas as pd
from sklearn.metrics import confusion_matrix  # 混淆矩阵
from sklearn.model_selection import train_test_split  # 数据分离模块
from sklearn.tree import DecisionTreeClassifier   #  分类决策树
from sklearn.metrics import accuracy_score  # 评价指标
from sklearn.metrics import classification_report   # 生成分类结果报告模块

# 读取数据 importing data
def load_data():
    balance_data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-'+'databases/balance-scale/balance-scale.data',sep=',',header=None)   # 导入数据集,同时设置头部 
    print("Dataset Length", len(balance_data))
    
    print(balance_data.head())
    return balance_data

# 训练集和测试集的分离 splitting the dataset into train and test
def split_dataset(balance_data):
    
    X = balance_data.values[:, 1:5]  # 提取特征数据
    y = balance_data.values[:, 0]  # 提取数据标签
    
    X_train, X_test, y_train, y_test=train_test_split(X,y,test_size=0.3,
                                                      random_state=100)  # 进行数据分离
    
    return X, y, X_train, X_test, y_train, y_test

# 使用基尼系数进行训练 training with giniIndex
def train_using_gini(X_train, y_train):
    
    # 先建立实例,再进行fit拟合
    clf_gini = DecisionTreeClassifier(criterion="gini"   # 实例化
                                     ,random_state=100
                                     ,max_depth=3
                                     ,min_samples_leaf=5)
    clf_gini.fit(X_train, y_train)  # fit拟合
    return clf_gini

# 使用信息熵进行训练 training with entropy
def train_using_entropy(X_train, y_train):
    
    # 实例化+fit拟合
    clf_entropy = DecisionTreeClassifier(criterion="entropy"
                                     ,random_state=100
                                     ,max_depth=3
                                     ,min_samples_leaf=5)
    clf_entropy.fit(X_train, y_train)
    return clf_entropy

# 预测功能 make predictions
def prediction(X_test, clf_object):
    
    y_pred = clf_object.predict(X_test)
    print("Predicted vlaues:")
    print(y_pred)
    return y_pred

# 计算准确率 calculate accuracy
def cal_accuracy(y_test, y_pred):
    
    print("Confusion Matrix:", confusion_matrix(y_test, y_pred))
    
    print("Accuracy:", accuracy_score(y_test, y_pred)*100)
    
    print("Report:", classification_report(y_test, y_pred))
    
def main():
    data = load_data()
    X, y, X_train, X_test, y_train, y_test = split_dataset(data)
    clf_gini = train_using_gini(X_train, y_train)
    clf_entropy = train_using_entropy(X_train, y_train)
    
    print("result using gini Index:")
    y_pred_gini = prediction(X_test, clf_gini)
    cal_accuracy(y_test, y_pred_gini)
    
    print("result using Entropy:")
    y_pred_entropy = prediction(X_test, clf_entropy)
    cal_accuracy(y_test, y_pred_entropy)
       
if __name__ == "__main__":
    main()
image
image

Jupyter notebook中分行实现

数据导入

# 加载UCI上的数据
data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-'+'databases/balance-scale/balance-scale.data',sep=',',header=None)
data.head()
image-20200115161012134

切分特征数据和数据标签

X = data.values[:, 1:5]  # 切分特征数据和数据标签
y = data.values[:, 0]

数据分离

# TTS:train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 100)

使用信息熵和基尼系数来建立模型

# 使用基尼系数
clf_gini = DecisionTreeClassifier(criterion = "gini",
                                  random_state = 100,
                                  max_depth=3,
                                  min_samples_leaf=5)
clf_gini.fit(X_train, y_train)

# 使用信息熵
clf_entropy = DecisionTreeClassifier(criterion = "entropy",
                                     random_state = 100,
                                     max_depth = 3, 
                                     min_samples_leaf = 5)
clf_entropy.fit(X_train, y_train)

数据预测和评估

# 使用gini系数预测
y_pred = clf_gini.predict(X_test)  # 将X_test的数据拿去进行预测,将得到的结果和y_test进行对比

confusion_matrix(y_test,y_pred) # 混淆矩阵
accuracy_score(y_test, y_pred)  # 计算准确率
classification_report(y_test, y_pred)  # 分类信息
image-20200115161915244
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,294评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,780评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,001评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,593评论 1 289
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,687评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,679评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,667评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,426评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,872评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,180评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,346评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,019评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,658评论 3 323
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,268评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,495评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,275评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,207评论 2 352

推荐阅读更多精彩内容