Python/python ml decision tree
<languages />
机器学习-决策树
决策树
在本章中，我们将向您展示如何制作“决策树”。决策树是流程图，可以帮助您根据以前的经验来做出决策。
在该示例中，一个人将尝试决定是否应参加喜剧节目。
幸运的是，我们的榜样人物每次在镇上举办喜剧节目时都要注册，并注册一些有关喜剧演员的信息，并且还要注册他/她是否去过。
| Age | 经验 | Rank | 国籍 | Go |
| 36 | 10 | 9 | UK | NO |
| 42 | 12 | 4 | USA | NO |
| 23 | 4 | 6 | N | NO |
| 52 | 4 | 4 | USA | NO |
| 43 | 21 | 8 | USA | YES |
| 44 | 14 | 5 | UK | NO |
| 66 | 3 | 7 | N | YES |
| 35 | 14 | 9 | UK | YES |
| 52 | 13 | 7 | N | YES |
| 35 | 5 | 9 | N | YES |
| 24 | 3 | 5 | USA | NO |
| 18 | 3 | 7 | UK | YES |
| 45 | 9 | 9 | UK | YES |
现在，基于此数据集，Python可以创建决策树，该决策树可用于确定是否值得参加任何新的演出。
它是如何工作的？
首先，导入所需的模块，并使用pandas读取数据集：
例
读取并打印数据集：
import pandas
from sklearn import tree
import pydotplus
from
sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import matplotlib.image as pltimg
df = pandas.read_csv("shows.csv")
print(df)
要制作决策树，所有数据都必须为数字。
我们必须将非数字列“ Nationality”和“ Go”转换为数值。
熊猫有一个
map()
带字典的方法，其中包含有关如何转换值的信息。
{'UK': 0, 'USA': 1, 'N': 2}
表示将值“ UK”转换为0，将“ USA”转换为1，将“ N”转换为2。
例
将字符串值更改为数值：
d = {'UK': 0,
'USA': 1, 'N': 2}
df['Nationality'] = df['Nationality'].map(d)
d =
{'YES': 1, 'NO': 0}
df['Go'] = df['Go'].map(d)
print(df)
然后，我们必须将 feature 来自的列 target 柱。
功能列是我们尝试预测的列 from ，而目标列是包含我们尝试预测的值的列。
例
X
是功能列，
y
是目标列：
features = ['Age', 'Experience', 'Rank', 'Nationality'] X = df[features] y = df['Go'] print(X) print(y)
现在，我们可以创建实际的决策树，使其适合我们的详细信息，然后将.png文件保存在计算机上：
例
创建一个决策树，将其另存为图像，然后显示该图像：
dtree = DecisionTreeClassifier()
dtree = dtree.fit(X, y)
data =
tree.export_graphviz(dtree, out_file=None, feature_names=features)
graph =
pydotplus.graph_from_dot_data(data)
graph.write_png('mydecisiontree.png')
img=pltimg.imread('mydecisiontree.png')
imgplot = plt.imshow(img)
plt.show()
结果说明
决策树使用您以前的决策来计算您是否愿意去看喜剧演员的几率。
让我们阅读决策树的不同方面：
Rank
Rank <= 6.5
表示排名在6.5以下的喜剧演员将遵循
True
箭头（向左），其余的将跟随
False
箭头（向右）。
gini = 0.497
指的是分割的质量，并且始终是介于0.0和0.5之间的数字，其中0.0表示所有样本均获得相同的结果，而0.5表示分割完全在中间进行。
samples = 13
表示此时决策中还剩下13位喜剧演员，因为第一步是所有喜剧演员。
value = [6, 7]
表示在这13位喜剧演员中，有6位将获得“否”，而7位将获得“ GO”。
Gini
拆分样本的方法有很多，我们在本教程中使用GINI方法。
基尼方法使用以下公式：
Gini = 1 - (x/n) 2 - (y/n) 2
哪里
x
是肯定答案的数量（“ GO”），
n
是样本数，并且
y
是否定答案的数量（“否”），这使我们可以进行以下计算：
1 - (7 / 13) 2 - (6 / 13) 2 = 0.497
下一步包含两个框，一个框用于喜剧演员，其“等级”为6.5或更低，其余为一个框。
正确-5名喜剧演员在这里结束：
gini = 0.0
表示所有样本都得到相同的结果。
samples = 5
表示此分支中还剩下5位喜剧演员（5位等级为6.5或更低的喜剧演员）。
value = [5, 0]
表示5表示“否”，0表示“ GO”。
错误-8位喜剧演员继续：
国籍
Nationality <= 0.5
表示国籍值小于0.5的喜剧演员将遵循左侧的箭头（表示来自英国的所有人），其余的将遵循右侧的箭头。
gini = 0.219
意味着大约22％的样本会朝一个方向移动。
samples = 8
表示该分支中还剩下8位喜剧演员（8位喜剧演员的排名高于6.5）。
value = [1, 7]
表示在这8位喜剧演员中，有1位表示“否”，而7位则表示“ GO”。
正确-4名喜剧演员继续：
Age
Age <= 35.5
表示年龄在35.5岁或以下的喜剧演员将遵循左箭头，其余的将遵循右箭头。
gini = 0.375
意味着大约37.5％的样本将朝一个方向移动。
samples = 4
表示该分支中还剩下4位喜剧演员（来自英国的4位喜剧演员）。
value = [1, 3]
表示在这4位喜剧演员中，有1位表示“否”，而3位表示“ GO”。
错误-4名喜剧演员到此为止：
gini = 0.0
表示所有样本都得到相同的结果。
samples = 4
表示该分支中还剩下4位喜剧演员（4位来自英国的喜剧演员）。
value = [0, 4]
表示在这4位喜剧演员中，0将获得“否”，而4将获得“ GO”。
正确-2名喜剧演员在这里结束：
gini = 0.0
表示所有样本都得到相同的结果。
samples = 2
表示此分支中还剩下2位喜剧演员（2位35.5岁或以下的喜剧演员）。
value = [0, 2]
表示在这2位喜剧演员中，0将获得“否”，而2将获得“ GO”。
错误-2名喜剧演员继续：
经验
Experience <= 9.5
表示具有9.5年或以上经验的喜剧演员将遵循左侧的箭头，其余的将遵循右侧的箭头。
gini = 0.5
表示50％的样本将朝一个方向移动。
samples = 2
表示此分支中还剩下2位喜剧演员（2位年龄超过35.5岁的喜剧演员）。
value = [1, 1]
表示在这2位喜剧演员中，1位将获得“否”，而1位将获得“ GO”。
正确-1名喜剧演员到此为止：
gini = 0.0
表示所有样本都得到相同的结果。
samples = 1
表示此分支中还剩下1名喜剧演员（1名具有9.5年或以下经验的喜剧演员）。
value = [0, 1]
表示0表示“否”，1表示“ GO”。
错误-1名喜剧演员到此为止：
gini = 0.0
表示所有样本都得到相同的结果。
samples = 1
表示此分支中还剩下1位喜剧演员（其中1位具有超过9.5年的工作经验的喜剧演员）。
value = [1, 0]
表示1表示“否”，0表示“ GO”。
预测值
我们可以使用决策树来预测新值。
示例：我是否应该去看一个由40岁的美国喜剧演员主演的节目，该喜剧演员有10年的经验，喜剧排名为7？
不同的结果
您将看到，即使您运行了足够多次，决策树也会为您提供不同的结果，即使您向它提供相同的数据也是如此。
那是因为决策树无法给我们100％的肯定答案。它基于结果的可能性，答案将有所不同。
