sklearn__0">sklearn 中的决策树

关键概念、核心问题

• 节点

  1. 根节点：没有进边，有出边。包含最初的，针对特征的提问。
  2. 中间节点：既有进边也有出边，进边只有一条，出边可以有很多条。都是针对特征的提问。
  3. 叶子节点：有进边，没有出边，每个叶子节点都是一个类别标签。
  4. 子节点和父节点：在两个相连的节点中，更接近根节点的是父节点，另一个是子节点。

• 核心问题

  1. 如何从数据表中找出最佳节点和最佳分枝？

  2. 如何让决策树停止生长，防止过拟合？

sklearntree_16">模块sklearn.tree

• sklearn中决策树的类都在”tree“这个模块之下。这个模块总共包含五个类：

  类
  tree.DecisionTreeClassifier	分类树
  tree.DecisionTreeRegressor	回归树
  tree.export_graphviz	将生成的决策树导出为DOT格式，画图专用
  tree.ExtraTreeClassifier	高随机版本的分类树
  tree.ExtraTreeRegressor	高随机版本的回归树

sklearn_28">sklearn的基本建模流程

• sklearn建模的基本流程

  

  在这个流程下，分类树对应的代码是：

  from sklearn import tree                #导入需要的模块
  
  clf = tree.DecisionTreeClassifier()     #实例化
  clf = clf.fit(X_train,y_train)          #用训练集数据训练模型
  result = clf.score(X_test,y_test)       #导入测试集，从接口中调用需要的信息
  

sklearn_metrics_44">sklearn .metrics方法

• 获取sklearn.metrics中的所有评估方法

  import sklearn
  
  sorted(sklearn.metrics.SCORERS.keys())
  
  """输出"""
  ['accuracy',
   'adjusted_mutual_info_score',
   'adjusted_rand_score',
   'average_precision',
   'completeness_score',
   'explained_variance',
   'f1',
   'f1_macro',
   'f1_micro',
   'f1_samples',
   'f1_weighted',
   'fowlkes_mallows_score',
   'homogeneity_score',
   'log_loss',
   'mean_absolute_error',
   'mean_squared_error',
   'median_absolute_error',
   'mutual_info_score',
   'neg_log_loss',
   'neg_mean_absolute_error',
   'neg_mean_squared_error',
   'neg_mean_squared_log_error',
   'neg_median_absolute_error',
   'normalized_mutual_info_score',
   'precision',
   'precision_macro',
   'precision_micro',
   'precision_samples',
   'precision_weighted',
   'r2',
   'recall',
   'recall_macro',
   'recall_micro',
   'recall_samples',
   'recall_weighted',
   'roc_auc',
   'v_measure_score']