sklearn决策树怎么使用ccp_alpha进行剪枝

本站原创文章，转载请说明来自《老饼讲解-机器学习》ml.bbbdata.com

---

目录

一.CCP后剪枝是什么  

二.如何通过ccp_alpha进行后剪枝

(1) 查看CCP路径  

(2)根据CCP路径剪树   

三、完整CCP剪枝应用实操DEMO

四、CCP路径是怎么计算出来的

---

本文讲解sklearn中决策树ccp_alpha参数的使用方法,它主要用于ccp后剪枝。

ccp_alpha的值要设为多少？
事实上，一般并不是直接设置ccp_alpha，
而是要先打印CCP路径，再根据路径信息来决定alpha的值。
CCP路径又是什么鬼？
本文一一道来。

 

一.CCP后剪枝是什么  

---

后剪枝一般指的是CCP代价复杂度剪枝法（Cost Complexity Pruning），
即在树构建完成后，对树进行剪枝简化，使以下损失函数最小化

T ：叶子节点个数                     
N ：所有样本个数                      
：第 i 个叶子节点上的样本数 
： 第i个叶子节点的损失函数  
：待定系数，用于惩罚节点个数，引导模型用更少的节点。   

损失函数既考虑了代价，又考虑了树的复杂度，所以叫代价复杂度剪枝法，
实质就是在树的复杂度与准确性之间取得一个平衡点。

---

备注：在sklearn中，如果criterion设为GINI,Li 则是每个叶子节点的GINI系数，如果设为entropy，则是熵。

---

 

二.如何通过ccp_alpha进行后剪枝

具体操作过程如下：

(1) 查看CCP路径  

计算CCP路径，查看alpha与树质量的关系：
构建好树后，我们可以通过clf.cost_complexity_pruning_path(X, y) 查看树的CCP路径，
Demo代码如下：

# -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np
#----------------数据准备----------------------------
iris = load_iris()                          # 加载数据
X = iris.data
y = iris.target
#---------------模型训练---------------------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,ccp_alpha=0)        
clf = clf.fit(X, y)     
#-------计算ccp路径-----------------------
pruning_path = clf.cost_complexity_pruning_path(X, y)
#-------打印结果---------------------------    
print("\n====CCP路径=================")
print("ccp_alphas:",pruning_path['ccp_alphas'])
print("impurities:",pruning_path['impurities']) 

运行结果：

====sklearn的CCP路径=================
ccp_alphas: [0.      0.00415459 0.01305556 0.02966049 0.25979603 0.33333333]
impurities: [0.02666667 0.03082126 0.04387681 0.07353731 0.33333333 0.66666667]

它的意思是:

0<α<0.00415时，树的不纯度为 0.02666，
0.00415< α<0.01305时，树的不纯度为 0.03082，
0.01305<α<0.02966时，树的不纯度为 0.04387，
........
其中，树的不纯度指的是损失函数的前部分， 

也即所有叶子的不纯度（gini或者熵）加权和.

小贴士  
ccp_path只提供树的不纯度，
如果还需要alpha对应的其它信息，
则可以将alpha代入模型中训练，
从训练好的模型中获取。 

(2)根据CCP路径剪树   

根据树的质量，选定alpha进行剪树
 我们根据业务实际情况，选择一个可以接受的树不纯度，
找到对应的alpha,
例如，我们可接受的树不纯度为0.0735，
则alpha可设为0.1(在0.02966与0.25979之间）
对模型重新以参数ccp_alpha=0.1进行训练，
即可得到剪枝后的决策树。

---

三、完整CCP剪枝应用实操DEMO

完整代码如下：

 # -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np

#--------数据准备-----------------------------------
iris = load_iris()                          # 加载数据
X = iris.data
y = iris.target
#-------模型训练---------------------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,random_state=0,ccp_alpha=0)        
clf = clf.fit(X, y)     
#-------计算ccp路径------------------------------
pruning_path = clf.cost_complexity_pruning_path(X, y)

#-------打印结果---------------------------------   
print("\n====CCP路径=================")
print("ccp_alphas:",pruning_path['ccp_alphas'])
print("impurities:",pruning_path['impurities'])    

#------设置alpha对树后剪枝-----------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,random_state=0,ccp_alpha=0.1)        
clf = clf.fit(X, y) 
#------自行计算树纯度以验证-----------------------
is_leaf =clf.tree_.children_left ==-1
tree_impurities = (clf.tree_.impurity[is_leaf]* clf.tree_.n_node_samples[is_leaf]/len(y)).sum()
#-------打印结果--------------------------- 
print("\n==设置alpha=0.1剪枝后的树纯度：=========\n",tree_impurities)

运行结果：

====CCP路径=================
ccp_alphas: [0.      0.00415459 0.01305556 0.02966049 0.25979603 0.33333333]
impurities: [0.02666667 0.03082126 0.04387681 0.07353731 0.33333333 0.66666667]

==设置alpha=0.1剪枝后的树纯度：=========
 0.0735373054213634

四、CCP路径是怎么计算出来的

对于CCP路径的计算过程，本文不再重复讲解，可参考：
1.《决策树后剪枝原理：CCP剪枝法》                      
2.《决策树(sklearn)中CCP路径计算的实现方式.py》

---

相关文章

《入门篇-环境搭建:anaconda安装》

《​​​​​​入门篇-模型：逻辑回归》

《入门篇-模型：决策树-CART》