WordPress搭建手机网站,简历免费模板可编辑word,flash网站源代码,男女做羞羞羞的网站这是我的第335篇原创文章。 一、引言
决策树是一个有监督分类模型#xff0c;本质是选择一个最大信息增益的特征值进行输的分割#xff0c;直到达到结束条件或叶子节点纯度达到阈值。根据分割指标和分割方法#xff0c;可分为#xff1a;ID3、C4.5、CART算法。每一种颜色代…这是我的第335篇原创文章。 一、引言
决策树是一个有监督分类模型本质是选择一个最大信息增益的特征值进行输的分割直到达到结束条件或叶子节点纯度达到阈值。根据分割指标和分割方法可分为ID3、C4.5、CART算法。每一种颜色代表一个classlink的宽度表示从一个节点流向另一个节点的items数量。
需要安装第三方库
pip install pybaobabdt
pip install pygraphviz 二、实现过程
2.1 准备数据
data pd.read_csv(rDataset.csv)
df pd.DataFrame(data)
print(df.head())
df 2.2 提取特征变量和目标变量
target target
features df.columns.drop(target)
print(data[target].value_counts()) # 顺便查看一下样本是否平衡
2.3 划分训练集和测试集
X_train, X_test, y_train, y_test train_test_split(df[features], df[target], test_size0.2, random_state0)
2.4 模型构建和训练
model DecisionTreeClassifier(max_depth5)
model.fit(X_train, y_train)
2.5 决策树模型可视化
ax pybaobabdt.drawTree(model, size10, dpi300, featuresfeatures) #可视化主函数pybaobabdt.drawTree
plt.show()
结果 作者简介 读研期间发表6篇SCI数据挖掘相关论文现在某研究院从事数据算法相关科研工作结合自身科研实践经历不定期分享关于Python、机器学习、深度学习、人工智能系列基础知识与应用案例。致力于只做原创以最简单的方式理解和学习关注我一起交流成长。需要数据集和源码的小伙伴可以关注底部公众号添加作者微信。
