9. 分类算法-决策树、随机森林

决策树

  1. 决策树来源的思想非常朴素,程序设计中的条件分支结构就是if-then结构,最早的决策树就是利用这类结构来分类数据的一种分类学习方法
  2. 决策树的划分依据之一:信息增益
  3. 信息增益表示得知特征X的信息而使得类Y的信息的不确定性减少的程度

常见决策树使用的算法

•ID3
信息增益 最大的准则
•C4.5
信息增益比 最大的准则
•CART
回归树: 平方误差 最小
分类树: 基尼系数 最小的准则 在sklearn中可以选择划分的原则

sklearn决策树API

class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None)
决策树分类器
criterion:默认是’gini’系数,也可以选择信息增益的熵’entropy’
max_depth:树的深度大小
random_state:随机数种子
返回值: decision_path:返回决策树的路径

决策树的结构、本地保存

  1. sklearn.tree.export_graphviz()该函数能够导出DOT格式
    tree.export_graphviz(estimator,out_file='tree.dot’,feature_names=[‘’,’’])

  2. 工具:(能够将dot文件转换为pdf、png)
    安装graphviz
    ubuntu:sudo apt-get install graphviz、 Mac:brew install graphviz

  3. 运行命令
    然后我们运行这个命令 $ dot -Tpng tree.dot -o tree.png

决策树的优缺点以及改进
优点:
简单的理解和解释,树木可视化
需要很少的数据准备,其他技术通常需要数据归一化
缺点:
决策树学习者可以创建不能很好地推广数据的过于复杂的树,这被称为过拟合
决策树可能不稳定,因为数据的小变化可能会导致完全不同的树被生成
改进:
减枝cart算法
随机森林

集成学习方法-随机森林

  1. 集成学习方法: 集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型,各自独立地学习和作出预测。这些预测最后结合成单预测,因此优于任何一个单分类的做出预测。

  2. 随机森林: 定义:在机器学习中,随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。
    例如, 如果你训练了5个树, 其中有4个树的结果是True, 1个数的结果是False, 那么最终结果会是True.

学习算法

根据下列算法而建造每棵树:

  1. 用N来表示训练用例(样本)的个数,M表示特征数目。
  2. 输入特征数目m,用于确定决策树上一个节点的决策结果;其中m应远小于M。
  3. 从N个训练用例(样本)中以有放回抽样的方式,取样N次,形成一个训练集(即bootstrap取样),并用未抽到的用例(样本)作预测,评估其误差。

为什么要随机抽样训练集?  
如果不进行随机抽样,每棵树的训练集都一样,那么最终训练出的树分类结果也是完全一样的

为什么要有放回地抽样?
如果不是有放回的抽样,那么每棵树的训练样本都是不同的,都是没有交集的,这样每棵树都是“有偏的”,都是绝对“片面的”(当然这样说可能不对),也就是说每棵树训练出来都是有很大的差异的;而随机森林最后分类取决于多棵树(弱分类器)的投票表决。

集成学习api

class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion=’gini’, max_depth=None, bootstrap=True, random_state=None)

  1. 随机森林分类器
    n_estimators:integer,optional(default = 10) 森林里的树木数量
    criteria:string,可选(default =“gini”)分割特征的测量方法
    max_depth:integer或None,可选(默认=无)树的最大深度
    bootstrap:boolean,optional(default = True)是否在构建树时使用放回抽样

  2. 随机森林的优点
    •在当前所有算法中,具有极好的准确率
    •能够有效地运行在大数据集上
    •能够处理具有高维特征的输入样本,而且不需要降维
    •能够评估各个特征在分类问题上的重要性
    •对于缺省值问题也能够获得很好得结果

以上是看视频做的笔记

你可能感兴趣的:(9. 分类算法-决策树、随机森林)