sklearn decision-tree实验
《机器学习技法》作业需要用到决策树。一直以为要用matlab自己实现一个，但今早起床的时候突然想起，不是有个叫sklearn的东西，是否可以直接拿来用呢？
下午做了一些实验，作业里提供的数据，参考sklearn网址提供的代码：
import numpy as np
from sklearn import tree
import matplotlib.pyplot as plt
data = np.loadtxt('hw3_train.dat') #直接读取成numpy.ndarray的形式
train_x = data[:,:-1]
train_y = data[:,-1]
clf = tree.DecisionTreeClassifier()
clf = clf.fit(train_x, train_y)
#获取最大最小值，可以用作归一化，也可以用作画图范围（meshgrid）
x_min, x_max = train_x[:,0].min()-0.1, train_x[:,0].max()+0.1
y_min, y_max = train_x[:,1].min()-0.1, train_x[:,1].max()+0.1
plot_step = 0.02
xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step),
np.arange(y_min, y_max, plot_step))
plt.plot()
#xx.ravel(),flatten the array. np.c_[],配对
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
#画点
color = 'gr'
label = [-1, 1]
for i in range(2):
idx = np.where(train_y==label[i])
plt.scatter(train_x[idx, 0], train_x[idx, 1], c = color[i])
plt.axis("tight")
plt.suptitle("Decision surface of a decision tree using")
plt.show()
自动训练，只需要了解参数设置。可视化结果：
还可以把树用.dot格式存储起来(.txt存起来内容也是一样的)，图形的文字型表示，如下图：
还可以用pydot图形化（关于pypot的安装见上一片博客），并存储为pdf格式:
from sklearn.externals.six import StringIO
import pydot
dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf('ex.pdf')
此外，还可以保存为图片：
open('a.jpg','wb').write(graph.create_jpg())
加入测试数据，对比观察：
类似于matlab画子图plt.subplot(1,2,1)。
作业代码：
from __future__ import division
import numpy as np
from sklearn import tree
import matplotlib.pyplot as plt
data = np.loadtxt('hw3_train.dat') #直接读取成numpy.ndarray的形式
train_x = data[:,:-1]
train_y = data[:,-1]
#训练树
clf = tree.DecisionTreeClassifier()
clf = clf.fit(train_x, train_y)
#-----------画背景分割图-----------
#获取最大最小值，可以用作归一化，也可以用作画图范围（meshgrid）
x_min, x_max = train_x[:,0].min()-0.1, train_x[:,0].max()+0.1
y_min, y_max = train_x[:,1].min()-0.1, train_x[:,1].max()+0.1
plot_step = 0.02
xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step),
np.arange(y_min, y_max, plot_step))
plt.subplot(1,2,1)
#xx.ravel(),flatten the array. np.c_[],配对
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
#-------------画训练点----------------------
color = 'gr'
label = [-1, 1]
for i in range(2):
idx = np.where(train_y==label[i])
plt.scatter(train_x[idx, 0], train_x[idx, 1], c = color[i])
plt.title('train')
#测试
test_data = np.loadtxt('hw3_test.dat')
test_x = test_data[:,:-1]
test_y = test_data[:,-1]
#-------------画测试背景图------------
x_min, x_max = test_x[:,0].min()-0.1, test_x[:,0].max()+0.1
y_min, y_max = test_x[:,1].min()-0.1, test_x[:,1].max()+0.1
plot_step = 0.02
xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step),
np.arange(y_min, y_max, plot_step))
plt.subplot(1,2,2)
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
#------------画测试点------------
color = 'gr'
label = [-1, 1]
for i in range(2):
idx = np.where(test_y==label[i])
plt.scatter(test_x[idx, 0], test_x[idx, 1], c = color[i])
plt.title("test")
plt.suptitle('Decision Tree')
plt.show()
#----------E_in,E_out计算--------
predict = clf.predict(train_x)
err_in = sum(predict!=train_y)/len(train_y)
predict = clf.predict(test_x)
err_out = sum(predict!=test_y)/len(test_y)
ok.