python_机器学习_监督学习模型_决策树
决策树模型练习:https://www.kaggle.com/c/GiveMeSomeCredit/overview
1. 监督学习--分类
机器学习肿分类和预测算法的评估:
a. 准确率
b.速度
c. 强壮行
d.可规模性
e. 可解释性
2. 什么是决策树/判定树(decision tree)?
https://scikit-learn.org/stable/modules/tree.html
3. 熵(entropy)概念:
变量的不确定越大,熵也就越大。
4. 决策树归纳算法(ID3)
5. 其他算法及优缺点
6. 决策树的应用
生成后的决策树
逻辑代码:
整理好的代码 --》
python3.6.3
Successfully installed joblib-0.13.2 numpy-1.16.4 scikit-learn-0.21.2 scipy-1.3.0
- # -*- coding:utf-8 -*-
- from sklearn.feature_extraction import DictVectorizer
- import csv
- from sklearn import preprocessing
- from sklearn import tree # 要求是数值型的值
- from sklearn.externals.six import StringIO
- import pandas as pd
- """
- 注意: 决策树要求要数值型的值,不能是字符串类型的值
- 例如: no, yes这样的值是不允许的
- 需要转换成矩阵
- ====================================
- age income student
- youth high no
- youth high no
- middle_aged high no
- senior medium no
- senior low yes
- ====================================
- 比如上面这种数据:
- youth middle_aged senior high medium low ......
- 1 0 0 1 0 0
- 1 0 0 1 0 0
- .....
- """
- fileName = r"C:\Users\Administrator\Desktop\data.xlsx"
- data = pd.read_excel(fileName)
- # 删除id序列
- del data["RID"]
- # headers
- headers = data.columns.values
- # print(headers)
- # ["RID", 'age'.....]
- # 样本量
- # print(len(data))
- # dict格式化单个样本
- # print(dict(data.ix[1]))
- # 单个样本最后一个数据
- # print(data.ix[1][-1])
- featureList = []
- labelList = []
- for row in range(len(data)):
- rowData = data.ix[row]
- labelList.append(rowData[-1])
- featureList.append(dict(rowData))
- # print(featureList)
- # [
- # {"credit_rating": "fair", "age": "youth"},
- # .... #作用,方便转换成矩阵。将数据转换成对象
- # ]
- # print(labelList)
- # ['no', 'no', 'yes', 'yes', 'yes', 'no', 'yes', 'no', 'yes', 'yes', 'yes', 'yes', 'yes', 'no']
- # =========<格式化数据,转换成decision tree需要的格式模型>============
- vec = DictVectorizer()
- dummyX = vec.fit_transform(featureList).toarray()
- print("dummyX:" + str(dummyX)) # 转换成矩阵的数据了二维
- print(vec.get_feature_names())
- print("labelList: " + str(labelList))
- lb = preprocessing.LabelBinarizer()
- dummyY = lb.fit_transform(labelList)
- print("dummyY: " + str(dummyY))
- # ===========《决策树建模分析》=============
- clf = tree.DecisionTreeClassifier(criterion="entropy")
- clf = clf.fit(dummyX, dummyY)
- print("clf: ", str(clf))
- # # 存储决策树信息
- # # Graphviz 将dot转换成pdf的命令: dot -T pdf iris.dot -o output.pdf
- # # 可以查看decision tree 的形状了(看pdf的值)
- # with open(r"C:\Users\Administrator\Desktop\code\mechine_learning\allElectronicInformationGainOri.dot", "w") as f:
- # f = tree.export_graphviz(clf, feature_names = vec.get_feature_names(), out_file = f)
- # # 下面的代码属于预测的代码
- # # 属于转化后的矩阵数值,其实就是进行复制修改
- oneRowX = dummyX[2, :]
- print("oneRowX: " + str(oneRowX))
- newRowX = oneRowX
- # newRowX[0] = 1
- # newRowX[2] = 1
- print("newRowX: ", str(newRowX))
- predictedY = clf.predict([newRowX])
- # 预测 class_buys_labels的值
- print("predictedY: " + str(predictedY))
但这段代码不是特别通用,而且有bug, 需要修改,但基本逻辑是正确的
- # -*- coding:utf-8 -*-
- from sklearn.feature_extraction import DictVectorizer
- import csv
- from sklearn import preprocessing
- from sklearn import tree # 要求是数值型的值
- from sklearn.externals.six import StringIO
- """
- 注意: 决策树要求要数值型的值,不能是字符串类型的值
- 例如: no, yes这样的值是不允许的
- 需要转换成矩阵
- ====================================
- age income student
- youth high no
- youth high no
- middle_aged high no
- senior medium no
- senior low yes
- ====================================
- 比如上面这种数据:
- youth middle_aged senior high medium low ......
- 1 0 0 1 0 0
- 1 0 0 1 0 0
- .....
- """
- allElectronicsData = open(r"C:\Users\Administrator\Desktop\data.xlsx", 'r')
- reader = csv.reader(allElectronicsData)
- print(reader)
- headers = next(reader)
- print(headers)
- # ["RID", 'age'.....]
- featureList = []
- labelList = []
- for row in reader:
- labelList.append(row[len(row) - 1])
- rowDict = {}
- for i in range(1, len(row) - 1):
- rowDict[headers[i]] = row[i]
- featureList.append(rowDict)
- print(featureList)
- # [
- # {"credit_rating": "fair", "age": "youth"},
- # .... #作用,方便转换成矩阵。将数据转换成对象
- # ]
- vec = DictVectorizer()
- dummyX = vec.fit_transform(featureList).toarray()
- print("dummyX:" + str(dummyX)) # 转换成矩阵的数据了二维
- print(vec.get_feature_names())
- print("labelList: " + str(labelList))
- lb = preprocessing.LabelBinarizer()
- dummyY = lb.fit_transform(labelList)
- print("dummyY: " + str(dummyY))
- clf = tree.DecisionTreeClassifier(criterion="entropy")
- clf = clf.fit(dummyX, dummyY)
- print("clf: ", str(clf))
- # 存储决策树信息
- # Graphviz 将dot转换成pdf的命令: dot -T pdf iris.dot -o output.pdf
- # 可以查看decision tree 的形状了(看pdf的值)
- with open(r"C:\Users\Administrator\Desktop\code\mechine_learning\allElectronicInformationGainOri.dot", "w") as f:
- f = tree.export_graphviz(clf, feature_names = vec.get_feature_names(), out_file = f)
- # 下面的代码属于预测的代码
- # 属于转化后的矩阵数值,其实就是进行复制修改
- oneRowX = dummyX[0, :]
- print("oneRowX: " + str(oneRowX))
- newRowX = oneRowX
- newRowX[0] = 1
- newRowX[2] = 0
- print("newRowX: ", str(newRowX))
- predictedY = clf.predicted(newRowX)
- # 预测 class_buys_labels的值
- predicted("predictedY: " + str(predictedY))
- if __name__ == '__main__':
- main()
python_机器学习_监督学习模型_决策树的更多相关文章
- [并发并行]_[线程模型]_[Pthread线程使用模型之三 客户端/服务端模型(Client/Server]
Pthread线程使用模型之三 客户端/服务端模型(Client/Server) 场景 1.在客户端/服务端模型时,客户端向服务端请求一些数据集的操作. 服务端执行执行操作独立的(多进程或跨网络)– ...
- [并发并行]_[线程模型]_[Pthread线程使用模型之二 工作组work crew]
Pthread线程使用模型之二工作组(Work crew) 场景 1.一些耗时的任务,比如分析多个类型的数据, 是独立的任务, 并不像 pipeline那样有序的依赖关系, 这时候pipeline就显 ...
- [并发并行]_[线程模型]_[Pthread线程使用模型之一管道Pipeline]
场景 1.经常在Windows, MacOSX 开发C多线程程序的时候, 经常需要和线程打交道, 如果开发人员的数量不多时, 同时掌握Win32和pthread线程 并不是容易的事情, 而且使用Win ...
- Java_太阳系_行星模型_小游戏练习_详细注释
//实现MyFrame--实现绘制窗口,和实现重写 重画窗口线程类 package cn.xiaocangtian.Test; import java.awt.Frame; import java.a ...
- 网络_OSI模型_数据包传输
2017年1月12日, 星期四 网络_OSI模型_数据包传输 1. 网络_源主机_局域网_交换机_路由器_目标主机 2. OSI7七层_TCP/IP精简 OSI 7层: 应用层 ...
- (转)看穿机器学习(W-GAN模型)的黑箱
本文转自:http://www.360doc.com/content/17/0212/11/35919193_628410589.shtml# 看穿机器学习(W-GAN模型)的黑箱 201 ...
- Spark机器学习6·聚类模型(spark-shell)
K-均值(K-mean)聚类 目的:最小化所有类簇中的方差之和 类簇内方差和(WCSS,within cluster sum of squared errors) fuzzy K-means 层次聚类 ...
- spark机器学习从0到1决策树(六)
一.概念 决策树及其集合是分类和回归的机器学习任务的流行方法. 决策树被广泛使用,因为它们易于解释,处理分类特征,扩展到多类分类设置,不需要特征缩放,并且能够捕获非线性和特征交互. 诸如随机森林和 ...
- Python 机器学习实战 —— 监督学习(上)
前言 近年来AI人工智能成为社会发展趋势,在IT行业引起一波热潮,有关机器学习.深度学习.神经网络等文章多不胜数.从智能家居.自动驾驶.无人机.智能机器人到人造卫星.安防军备,无论是国家级军事设备还是 ...
随机推荐
- javascript 生成指定范围内的随机数
js 生成任意2个区间内的随机整数,js 生成两个数之间的随机数 function random(m,n) { return Math.floor(Math.random() * (n - m)) + ...
- 远程控制服务(SSH)之Windows远程登陆Linux主机
本篇blog同样介绍两种方式进行. 首先进行准备工作: 1.所用到的工具如下: (1) 装有Linux系统的VMware虚拟机*1 (2) 终端连接工具Xshell 6 2.将Wind ...
- 02vuex-modules
01===> module的理解:将一个大的系统进行拆分 拆分成若干个细的模块 给个模块都有自己的 state mutations 等属性 这样可以在自己的小模块中进行修改 方便维护 modul ...
- springmvc+strut2比较
常见web框架中Struts2和SpringMVC独占鳌头,SpringMVC和Struts有什么不同? 我们可以从各个方面进行对比: 一:框架的思想设计上 SpringMVC控制器是基于方法上拦截, ...
- idea多模块项目打开RunDashBoard(十)
在使用spring cloud微服务时,多个服务可以以多个独立子模块(module)的形式放在一个project里面,当服务过多时,一个个启动往往不是很方便,idea有一个贴心的RunDashBoar ...
- js判断为空
function isEmpty (va){ if("undefined" == va){ return true; } if(null == va ...
- 优雅的阅读CSDN博客
CSDN现在似乎不强制登录了2333.但是广告多了也是碍眼的不行...将下列css添加到stylus中就行了. 代码转自xzz的博客. 自己修改了一下,屏蔽了登录弹出框. .article_conte ...
- hw笔试题-02
#include<stdio.h> #include<string.h> typedef struct { char *mem; char len; }m_table_t; i ...
- (二十四)golang--错误处理
在默认情况下,遇到错误时,程序会崩溃: 在发生错误时,我们可以捕获错误,使程序可以继续运行,并抛出错误提示: 错误处理: (1)Go语言追求简洁优雅,所以不支持传统的try catch finally ...
- vue 移动端禁止浏览器后退,禁止安卓和ios点击后退操作乱跳页面
开发微信公众号网页,页面登录成功之后,是禁止再次返回到登录页. 我在页面设置了让禁止跳到登录页,可是在手机上有自带的微信浏览器后退按钮,所以必须要禁止浏览器后退,才能禁止后退到登录页. 刚开始百度,查 ...