决策树DTC数据分析及鸢尾数据集分析.doc

决策树DTC数据分析及鸢尾数据集分析 一. 分类及决策树介绍1.分类 ? ? ? ? 分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。? ? ? ? 这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“不是垃圾”，Gmail就会不断研究哪些特点的邮件是垃圾，哪些特点的不是垃圾，形成一些判别的模式，这样当一封信的邮件到来，就可以自动把邮件分到“垃圾”和“不是垃圾”这两个我们人工设定的分类的其中一个。 ? ? ? ? 分类学习主要过程如下：? ? ? ?（1）训练数据集存在一个类标记号，判断它是正向数据集（起积极作用，不垃圾邮件），还是负向数据集（起抑制作用，垃圾邮件）；? ? ? ?（2）然后需要对数据集进行学习训练，并构建一个训练的模型；? ? ? ?（3）通过该模型对预测数据集进预测，并计算其结果的性能。 2.决策树（decision tree） ? ? ? ? 决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预测将来未知类别的记录的类别。它采用自顶向下的递归方式，在决策树的内部节点进行属性的比较，并根据不同属性值判断从该节点向下的分支，在决策树的叶节点得到结论。? ? ? ? 决策树算法根据数据的属性采用树状结构建立决策模型， 决策树模型常用来解决分类和回归问题。常见的算法包括：分类及回归树（Classification And Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 随机森林（Random Forest）， 多元自适应回归样条（MARS）以及梯度推进机（Gradient Boosting Machine， GBM）。? ? ? ??决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。? ? ? ??示例1：? ? ? ? 下面举两个例子，参考下面文章，强烈推荐大家阅读，尤其是决策树原理。? ? ? ??算法杂货铺——分类算法之决策树(Decision tree) - leoo2sk? ? ? ? 这个也是我上课讲述的例子，引用上面文章的。通俗来说，决策树分类的思想类似于找对象。现想象一个女孩的母亲要给这个女孩介绍男朋友，于是有了下面的对话：? ? ? 女儿：多大年纪了？? ? ? 母亲：26。? ? ? 女儿：长的帅不帅？? ? ? 母亲：挺帅的。? ? ? 女儿：收入高不？? ? ? 母亲：不算很高，中等情况。? ? ? 女儿：是公务员不？? ? ? 母亲：是，在税务局上班呢。? ? ? 女儿：那好，我去见见。 ? ? ? ??示例2：? ? ? ? 另一个课堂上的例子，参考CSDN的大神lsldd的文章，推荐大家阅读学习信息熵。? ? ? ??用Python开始机器学习（2：决策树分类算法）? ? ? ??假设要构建这么一个自动选好苹果的决策树，简单起见，我只让他学习下面这4个样本： [python]?view plain?copy? 样本????红?????大??????好苹果???? 0???????1??????1?????????1???? 1???????1??????0?????????1???? 2???????0??????1?????????0???? 3???????0??????0?????????0???? ? ? ? ??示例3：? ? ? ? 第三个例子，推荐这篇文章：决策树学习笔记整理 - bourneli ? ? ? ? 决策树构建的基本步骤如下：? ? ? ? 1. 开始，所有记录看作一个节点；? ? ? ? 2. 遍历每个变量的每一种分割方式，找到最好的分割点；? ? ? ? 3. 分割成两个节点N1和N2；? ? ? ? 4. 对N1和N2分别继续执行2-3步，直到每个节点足够“纯”为止。 二. 鸢尾花卉Iris数据集 ? ? ? ? 在Sklearn机器学习包中，集成了各种各样的数