【阿旭机器学习实战】【25】决策树模型----树叶分类实战

【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例,欢迎点赞,关注共同学习交流。

本文通过构建决策树模型,对某树叶分类数据集进行建模预测,并进行模型优化。

目录

决策树进行树叶分类实战

1. 导入数据

import pandas as pd
import matplotlib.pyplot as plt

from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection  import GridSearchCV
data = pd.read_csv('train.csv')
data.head()
id species margin1 margin2 margin3 margin4 margin5 margin6 margin7 margin8 ... texture55 texture56 texture57 texture58 texture59 texture60 texture61 texture62 texture63 texture64
0 1 Acer_Opalus 0.007812 0.023438 0.023438 0.003906 0.011719 0.009766 0.027344 0.0 ... 0.007812 0.000000 0.002930 0.002930 0.035156 0.0 0.0 0.004883 0.000000 0.025391
1 2 Pterocarya_Stenoptera 0.005859 0.000000 0.031250 0.015625 0.025391 0.001953 0.019531 0.0 ... 0.000977 0.000000 0.000000 0.000977 0.023438 0.0 0.0 0.000977 0.039062 0.022461
2 3 Quercus_Hartwissiana 0.005859 0.009766 0.019531 0.007812 0.003906 0.005859 0.068359 0.0 ... 0.154300 0.000000 0.005859 0.000977 0.007812 0.0 0.0 0.000000 0.020508 0.002930
3 5 Tilia_Tomentosa 0.000000 0.003906 0.023438 0.005859 0.021484 0.019531 0.023438 0.0 ... 0.000000 0.000977 0.000000 0.000000 0.020508 0.0 0.0 0.017578 0.000000 0.047852
4 6 Quercus_Variabilis 0.005859 0.003906 0.048828 0.009766 0.013672 0.015625 0.005859 0.0 ... 0.096680 0.000000 0.021484 0.000000 0.000000 0.0 0.0 0.000000 0.000000 0.031250

5 rows × 194 columns

数据说明:
species类别,64个margin边缘特征,64个shape形状特征,64个texture质感特征

一共有99个树叶类别

data.shape
(990, 194)
# 查看树叶类别数
len(data.species.unique())
99

2. 特征工程

# 把字符串类别转化为数字形式
lb = LabelEncoder().fit(data.species) 
labels = lb.transform(data.species)    
# 去掉'species', 'id'这两列对于训练模型无用的列
data = data.drop(['species', 'id'], axis=1)  
data.head()
margin1 margin2 margin3 margin4 margin5 margin6 margin7 margin8 margin9 margin10 ... texture55 texture56 texture57 texture58 texture59 texture60 texture61 texture62 texture63 texture64
0 0.007812 0.023438 0.023438 0.003906 0.011719 0.009766 0.027344 0.0 0.001953 0.033203 ... 0.007812 0.000000 0.002930 0.002930 0.035156 0.0 0.0 0.004883 0.000000 0.025391
1 0.005859 0.000000 0.031250 0.015625 0.025391 0.001953 0.019531 0.0 0.000000 0.007812 ... 0.000977 0.000000 0.000000 0.000977 0.023438 0.0 0.0 0.000977 0.039062 0.022461
2 0.005859 0.009766 0.019531 0.007812 0.003906 0.005859 0.068359 0.0 0.000000 0.044922 ... 0.154300 0.000000 0.005859 0.000977 0.007812 0.0 0.0 0.000000 0.020508 0.002930
3 0.000000 0.003906 0.023438 0.005859 0.021484 0.019531 0.023438 0.0 0.013672 0.017578 ... 0.000000 0.000977 0.000000 0.000000 0.020508 0.0 0.0 0.017578 0.000000 0.047852
4 0.005859 0.003906 0.048828 0.009766 0.013672 0.015625 0.005859 0.0 0.000000 0.005859 ... 0.096680 0.000000 0.021484 0.000000 0.000000 0.0 0.0 0.000000 0.000000 0.031250

5 rows × 192 columns

labels[:5]
array([ 3, 49, 65, 94, 84], dtype=int64)
# 切分数据集
x_train,x_test,y_train,y_test = train_test_split(data, labels, test_size=0.2, stratify=labels)

3. 构建决策树模型

tree = DecisionTreeClassifier()
tree.fit(x_train, y_train)
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
            max_features=None, max_leaf_nodes=None,
            min_impurity_decrease=0.0, min_impurity_split=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, presort=False, random_state=None,
            splitter='best')
tree.score(x_test, y_test)
0.6767676767676768
tree.score(x_train, y_train)
1.0

结果表明该模型在训练集准确率为100%,而在测试集准确率仅有67%,存在过拟合现象,模型需要进一步优化。

4. 模型优化

# max_depth:树的最大深度
# min_samples_split:内部节点再划分所需最小样本数
# min_samples_leaf:叶子节点最少样本数
param_grid = {'max_depth': [10,15,20,25,30],
                    'min_samples_split': [2,3,4,5,6,7,8],
                    'min_samples_leaf':[1,2,3,4,5,6,7]}
# 网格搜索
model = GridSearchCV(tree, param_grid, cv=3)
model.fit(x_train, y_train)
print(model.best_estimator_)
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=30,
            max_features=None, max_leaf_nodes=None,
            min_impurity_decrease=0.0, min_impurity_split=None,
            min_samples_leaf=4, min_samples_split=5,
            min_weight_fraction_leaf=0.0, presort=False, random_state=None,
            splitter='best')
model.score(x_train, y_train)
0.9444444444444444
model.score(x_test, y_test)
0.6868686868686869

如果内容对你有帮助,感谢点赞+关注哦!

更多干货内容持续更新中…

©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 217,734评论 6 505
  • 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 92,931评论 3 394
  • 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 164,133评论 0 354
  • 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 58,532评论 1 293
  • 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 67,585评论 6 392
  • 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 51,462评论 1 302
  • 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 40,262评论 3 418
  • 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 39,153评论 0 276
  • 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 45,587评论 1 314
  • 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 37,792评论 3 336
  • 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 39,919评论 1 348
  • 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 35,635评论 5 345
  • 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 41,237评论 3 329
  • 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 31,855评论 0 22
  • 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 32,983评论 1 269
  • 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 48,048评论 3 370
  • 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 44,864评论 2 354

推荐阅读更多精彩内容