Python实现决策树回归模型(DecisionTreeRegressor算法)并应用网格搜索算法调优项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

决策树除了能进行分类分析，还能进行回归分析，即预测连续变量，此时的决策树称为回归决策树。回归问题是一类预测连续值的问题，而能满足这样要求的数学模型称作回归模型，本项目应用决策树回归模型进行探索新冠疫情、原材料、人工、物流等因素对零部件价格的影响。

本项目通过决策树回归算法进行构建模型。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

数据详情如下(部分展示)：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

 关键代码：

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息：

 从上图可以看到，总共有9个变量，数据中无缺失值，共101条数据。

关键代码：

3.3数据描述性统计

通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

关键代码如下：  

4.探索性数据分析

4.1 零件价格变量的折线图

用Matplotlib工具的plot()方法绘制直方图：

 从上图可以看到，零部件价格整体在20到60之间波动。

4.2 相关性分析

从上图可以看出，数值越大相关性越强，正值是正相关、负值是负相关。材料费、加工费、管理费用、运输包装费用和零件价格是正相关，疫情防控等级1级是正相关 但是相关性不大，疫情防控等级2级3级是负相关，相关性也很小。

4.3 数据的散点图

通过散点图拟合线显示材料费和零件价格之间的趋势关系。

 从上图中可以看到，材料费变量和零售价格变量成线性相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下：

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：

6.构建决策树回归模型

主要使用DecisionTreeRegressor算法，用于目标回归。

6.1 默认参数模型构建

 6.2 决策树特征重要性分析

从上图可以看到，疫情防控等级的重要性很小。

6.3 递归特征消除法(RFE)选择特征

 从上图可以看到最优的特征数为3个，分别为：材料费、加工费、运输包装费用，即排名中为1的。通过和特征重要性的数值比对，重要性排名前3的也为材料费、加工费、运输包装费用，后面选择这3个特征进行再次建模。

6.4 通过网格搜索寻找最优参数值

关键代码如下：

 6.5 最优参数值构建模型

7.模型评估

7.1评估指标及结果

评估指标主要包括R方、均方误差、解释性方差、绝对误差等等。

 从上表可以看出，特征选择和网格搜索调优后的决策树回归模型R方为0. 9246 高于调优前的0.8199，同时可解释性方差也高于调优前的数值。

关键代码如下：

7.2 真实值与预测值对比图

从上图可以看出真实值和预测值波动基本一致，模型效果良好。

 7.3 决策树回归模型可视化

8.结论与展望

综上所述，本文采用了决策树算法构建回归模型，并进行了特征重要性分析、通过递归特征消除法进行选择特征、通过网格搜索寻找最优参数值，并应用最优参数值进行构建模型，最终证明了我们提出的模型效果良好。此模型可用于日常产品的预测。

 本次机器学习项目实战所需的资料，项目资源如下：

项目说明：
链接：https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w 
提取码：bcbp