手把手带你实现决策树实现分类与树的可视化

喜欢ヅ旅行 2023-02-09 13:13 53阅读 0赞

本篇文章主要介绍使用决策树进行分类并且可视化最终的树模型，对于初学者比较友好  
废话不说，直接上代码。代码注释及其详细，适合初学者。`】`

#使用决策树模型完成分类问题
    #导入import工具库
    import pandas as pd
    #引入用于数据预处理/特征工程的工具包
    from sklearn import preprocessing
    #import决策树建模包
    from sklearn import tree
    
    #读取数据
    adult_data=pd.read_csv("./DecisionTree.csv")
    #读取前5行，了解数据
    adult_data.head(5)
    #查看数据集基本信息
    adult_data.info()
    #查看数据集维度
    adult_data.shape
    #（32561，9）
    ####区分特征和标签
    feature_colume=[u'workeclass',u'education',u'marital-status',u'occupation',u'relationship',u'race',u'gender',u'native-country']
    label_column=['income']
    features=adult_data[feature_colume]
    label=adult_data[label_column]
    #特征处理/特征工程---one-hot编码
    features=pd.get_dummies(features)
    #[红黄蓝]---》[100]/[010]/[001]
    ###构建模型
    #初始化一个决策树分类器
    clf=tree.DecisionTreeClassifier(criterion='entropy',max_depth=4)##使用熵作为最优属性判定，最大深度4
    #用决策树分类器拟合数据
    clf=clf.fit(fearures.values,label.values)
    print(clf)
    clf.predict(features.values)
    
    #可视化生成的决策树
    import pydotplus
    from IPython.display import display, Image
    #生成图的模板，照着写就行,把树解析成数据
    dot_data=tree,export_graphviz(clf,out_file=None,feature_name=features.columns,class_name=['<=50','>50'],
                                  filled=True,rounded=True)
    #数据化成图
    graph=pydotplus.graph_from_dot_data(dot_data)
    #显示图
    display(graph.creat.png())