Scikit-learn之决策树

作者:章华燕 编辑:黄俊嘉

决策树在学习应用中非常有用,接下来给大家分享一下自己有关于决策树的一些想法!

决策树概述

决策树是一个非参数的监督式学习方法,主要用于分类和回归。算法的目标是通过推断数据特征,学习决策规则从而创建一个预测目标变量的模型。如下图所示,决策树通过一系列if-then-else 决策规则 近似估计一个正弦曲线。

决策树的优势

①简单易懂,原理清晰,决策树可以实现可视化;

②数据准备简单。其他的方法需要实现数据归一化,创建虚拟变量,删除空白变量;

③使用决策树的代价是数据点的对数级别;

④能够处理数值和分类数据;

⑤能够处理多路输出问题;

⑥使用白盒子模型(内部结构可以直接观测的模型)。一个给定的情况是可以观测的,那么就可以用布尔逻辑解释这个结果。相反,如果在一个黑盒模型(ANN),结果可能很难解释;

⑦可以通过统计学检验验证模型。这也使得模型的可靠性计算变得可能;

决策树的劣势

①可能会建立过于复杂的规则,即过拟合。为避免这个问题,剪枝、设置叶节点的最小样本数量、设置决策树的最大深度有时候是必要的;

②决策树有时候是不稳定的,因为数据微小的变动,可能生成完全不同的决策树。 可以通过总体平均(ensemble)减缓这个问题。应该指的是多次实验;

③学习最优决策树是一个NP完全问题。所以,实际决策树学习算法是基于试探性算法,例如在每个节点实现局部最优值的贪心算法。这样的算法是无法保证返回一个全局最优的决策树。可以通过随机选择特征和样本训练多个决策树来缓解这个问题;

④有些问题学习起来非常难,因为决策树很难表达。如:异或问题、奇偶校验或多路复用器问题;

⑤如果有些因素占据支配地位,决策树是有偏的。因此建议在拟合决策树之前先平衡数据的影响因子。

决策树分类

DecisionTreeClassifier 能够实现多类别的分类。输入两个向量:向量X,大小为[n_samples,n_features],用于记录训练样本;向量Y,大小为[n_samples],用于存储训练样本的类标签。

能够实现二进制分类和多分类。使用Isis数据集:

安装Graphviz将其添加到环境变量,使用dot创建一个PDF文件。dot -Tpdf iris.dot -o iris.pdf

如果安装了pydotplus,也可以在Python中直接生成:

可以根据不同的类别输出不同的颜色,也可以指定类别名字:

决策树回归

和分类不同的是向量y可以是浮点数:

本文前面提到的例子:

多输出问题

多输出问题时需要预测多个输出的监督式学习问题。即Y是一个2d的向量,大小为[n_samples, n_outputs]。当输出之间不相关时,一个简单的解决办法是建立n个独立模型。对于每一个输出,使用这些模型独立预测这每个输出。由于输出是和相同的输入相关的,所以一个更好的办法是建立一个能够持续预测所有输出的单一模型。首先,系统需要的训练时间更少了,因为只建立了一个模型。其次准确性也会得到提高。

决策树的策略需要修改以支持多分类问题:

①叶子上存储n个输出变量;

②使用不同的标准计算所有n输出的平均减少。

这一节是关于 DecisionTreeClassifier 和DecisionTreeRegressor的一些知识点。如果一个决策树的输出向量Y大小为[n_samples, n_outputs],预测量有:

①predict:输出n个预测值

②predict_proba:输出有n个输出的向量组成的列表

原文发布于微信公众号 - 机器学习算法全栈工程师(Jeemy110)

原文发表时间:2017-09-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

深度 | 随机计算图:在随机结点中执行反向传播的新方法

2648
来自专栏深度学习入门与实践

一文弄懂神经网络中的反向传播法——BackPropagation

本博客所有内容以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,并且是非商业用途,谢谢! 最近在看深度学习的东西,一开始看的吴恩达的...

27910
来自专栏机器之心

入门 | 从零开始,了解元学习

2399
来自专栏CVer

一文读懂VGG网络

网上太多关于CNN经典网络的介绍了,泛读的文章大多都从LeNet说到ResNet/DenseNet;而精读的文章质量参次不齐,而且很多介绍的并不具体。

1150
来自专栏专知

【干货】深入理解自编码器(附代码实现)

【导读】自编码器可以认为是一种数据压缩算法,或特征提取算法。本文作者Nathan Hubens 介绍了autoencoders的基本体系结构。首先介绍了编码器和...

6267
来自专栏深度学习那些事儿

浅谈深度学习训练中数据规范化(Normalization)的重要性

本文来自Oldpan博客:https://oldpan.me/archives/use-pytorch-normalization

2153
来自专栏机器学习算法全栈工程师

面对各种数据怎么处理 : 特征工程之特征表达

地址:https://www.cnblogs.com/pinard/p/9032759.html

803
来自专栏智能算法

机器学习三人行(系列七)----支持向量机实践指南(附代码)

其实逻辑回归算法和今天要讲的支持向量机有些类似,他们都是从感知机发展而来,支持向量机是一个非常强大而且应用面很广的机器学习算法,能够胜任线性分类器,非线性分类器...

33412
来自专栏人工智能LeadAI

常见激活函数总结 | 深度学习笔记2

01激活函数概览 基本上,入门深度学习的第一件事情就是了解”神经元”的构造,激活函数算是最基本的一个”部件”了吧.那激活函数到底有什么用呢?为什么需要激活函数?...

3798
来自专栏专知

神经网络编程 - 前向传播和后向传播(附完整代码)

【导读】本文的目的是深入分析深层神经网络,剖析神经网络的结构,并在此基础上解释重要概念,具体分为两部分:神经网络编程和应用。在神经网络编程部分,讲解了前向传播和...

2767

扫码关注云+社区