决策树算法应用【基于Python语言实现】
本文包括源码,数据提供,环境等;
1.需要Python基础
2. Python机器学习的库:scikit-learn
scikit-learn中关于决策树的
介绍:http://scikit-learn.org/stable/modules/tree.html
2.1: 特性:
简单高效的数据挖掘和机器学习分析
对所有用户开放,根据不同需求高度可重用性
基于Numpy, SciPy和matplotlib
开源,商用级别:获得 BSD许可
2.2 覆盖问题领域:
分类(classification), 回归(regression), 聚类(clustering),
降维(dimensionality reduction),
模型选择(model selection), 预处理(preprocessing)
3. 使用用scikit-learn
安装scikit-learn方式: pip, easy_install, windows installer
安装必要package:numpy, SciPy和matplotlib,可使用Anaconda(包含numpy, scipy等科学计算常用
package)
安装注意问题:Python解释器版本(2.7 or 3.4?), 32-bit or 64-bit系统
4.例子:利用决策树算法,根据训练数据集,预测包含年龄,收入,是否是学生,信用记录的特征数据,判断该记录是否购买电脑?
代码实践:
1.安装Python和机器学习库,和一些依赖包;
本人是直接安装了包含了众多包的Anaconda3 ,下载后再window7 64bit上双击安装即可;
Anaconda3较大,如果网速不好,可以从百度云下载地址:http://pan.baidu.com/s/1dFIfoYX
2.打开cmd 输入:pip list 可以查看到已经安装的包;
3. 在cmd中运行如下的Python程序:
from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import tree
from sklearn import preprocessing
from sklearn.externals.six import StringIO
# Read in the csv file and put features into list of dict and list of class label
allElectronicsData = open(r'AllElectronics.csv', 'r')
reader = csv.reader(allElectronicsData)
#http://bugs.python.org/msg82661
#http://www.cnblogs.com/feichexia/archive/2012/10/30/2747225.html
#reader.next()改为reader.__next__() ,并且把open中的rb改为r
#https://docs.python.org/3/library/csv.html#csv.csvreader.__next__
headers = reader.__next__()
print(headers)
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)
# Vetorize features
vec = DictVectorizer()
dummyX = vec.fit_transform(featureList) .toarray()
print("dummyX: " + str(dummyX))
print(vec.get_feature_names())
print("labelList: " + str(labelList))
# vectorize class labels
lb = preprocessing.LabelBinarizer()
dummyY = lb.fit_transform(labelList)
print("dummyY: " + str(dummyY))
# Using decision tree for classification
# clf = tree.DecisionTreeClassifier()
clf = tree.DecisionTreeClassifier(criterion='entropy')
clf = clf.fit(dummyX, dummyY)
print("clf: " + str(clf))
# Visualize model
with open("allElectronicInformationGainOri.dot", 'w') as f:
f = tree.export_graphviz(clf, feature_names=vec.get_feature_names(), out_file=f)
oneRowX = dummyX[0, :]
print("oneRowX: " + str(oneRowX))
newRowX = oneRowX
newRowX[0] = 1
newRowX[2] = 0
print("newRowX: " + str(newRowX))
predictedY = clf.predict(newRowX)
print("predictedY: " + str(predictedY))
4.运行截图:【
将上述
代码和数据
放在同一文件夹下,进入该文件夹下运行该文件】
运行后该目录下回生成一个文件allElectronicInformationGainOri.dot。
5.安装
Graphviz – Graph Visualization Software 官网下载安
装http://www.graphviz.org/
安装后将安装路径C:\Graphviz2.38\bin配置到操作系统环境变量path中。
打开cmd,将allElectronicInformationGainOri.dot转化为pdf,可视化决策树;
转化dot文件至pdf可视化决策树:打开cmd输入如下命令:
dot -TpdfallElectronicInformationGainOri.dot -o output.pdf
打开pdf如下:
备注:1.配置path环境变量后任然提示dot不是内部命令,关闭cmd,重新打开即可;
2.生成的pdf打不开,关闭dot文件所在文件夹,重新生成,重新找到pdf打开;
———————————————————————
附录:
其中CSV文件内容为:
附录:
代码源码和数据集.留下邮箱,24h内发送到您邮箱。
将代码和数据下载后放在同一文件夹下,进入该文件夹下运行该文件!