Google机器学习笔记（二）决策树与可视化

Visualizing a Decision Tree

Google Machine Learning Recipes 2
官方中文博客
http://chinagdg.org/2016/03/machine-learning-recipes-for-new-developers/
视频地址
http://v.youku.com/v_show/id_XMTUzNDE5Mzg0MA==.html?f=26979872&from=y1.2-3.4.3
Github工程地址
https://github.com/ahangchen/GoogleML
欢迎Star，也欢迎到Issue区讨论

我们从Iris问题，学习决策树可视化，了解决策树工作过程。

Why decision Tree

有很多分类器

• Artificial neural network
• Support Vector Machine
• Lions
• Tigers
• Bears

为啥有这么多动物……

决策树好处

• Easy to read and understand
• 仅有的可解释的几种模型之一（能理解分类器做决策的过程）

决策树就是一系列关于feature的判断作为结点，以label为叶子的一棵树。因此feature越好，结果也越好。

Iris

经典机器学习问题：识别三种Iris

可以在维基看到这个数据集的详细信息，共 50 * ３ = 150 条记录

四个feature：Sepal length, Sepal width, Petal length, Petal width

三个label：setosa, versicolor, virginica。

可以从sklearn中直接导入。

组成

• metadata: feature_names, target_names(这个其实就是label names)，描述数据用
• data: 具体feature数据，是一个数组，数组中的每个元素是dataset中的一条数据
• target: 具体label数据，是一个数组

目标

1. 导入数据
2. 训练分类器
3. 预测新的花的label
4. 查看决策树

测试数据

• 非训练数据的真实数据，测试分类器的准确度，
• 这里从dataset中抽出第0，第50，第100条作为测试数据
• numpy是一个Python的数据处理库，查看官方Tutorial学习更多
• 测试有很多内容，后面还会有。

环境

可视化使用了pydot，但Pycharm会升级anaconda中的包，导致找不到，我执行了

sudo /home/cwh/anaconda2/bin/conda install -p /home/cwh/anaconda2 pydot -y

重新安装pydot修复pydot找不到的问题；

另外pydot会找不到Graphviz，需要再安装

sudo /home/cwh/anaconda2/bin/conda install -p /home/cwh/anaconda2 Graphviz -y

然后将Graphviz添加到环境变量中，修改/etc/environment为以下内容，重启系统（我的系统是Ubuntu14.04LTS）：

PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/home/cwh/android-sdk-linux/ndk-bundle:/home/cwh/android-sdk-linux/platform-tools:/home/cwh/anaconda2/pkgs/graphviz-2.38.0-1/bin"

然后又会有Graphviz中找不到libgvplugin_pango.so.6的问题，根据官网Issue的解答，应该是少了依赖库

ldd /home/cwh/anaconda2/pkgs/graphviz-2.38.0-1/lib/graphviz/libgvplugin_pango.so.6

发现libpng16 not found，于是安装libpng16，在这里下载，然后安装，

./configure
make
sudo make install
sudo ldconfig

再运行代码即可。

代码

Viz：以Iris为例，导入数据，训练分类器，预测，查看决策树