Päätöksen puut ovat suosittu koneoppimismenetelmä, jota käytetään luokittelu- ja regressiotehtävissä. Ne ovat helppoja tulkita ja käsitellä sekä numeerisia että kategorisia tietoja. Pythonissa scikit-oppimiskirjasto tarjoaa yksinkertaisen tavan toteuttaa päätöspuita.

Aloittaminen Scikit-opinnolla

Ennen päätöksen tekemistä varmista, että olet asentanut skit-oppii. Voit asentaa sen pip:llä:

[[LLT:0]]

Tuodaan tarvittavat kirjastot

Aloita tuomalla vaaditut kirjastot:

[[LLT:1]]

[[LLT:2]]

[[LLT:3]]

[[LLT:4]]

Ladataan ja valmistellaan tietoja

Tässä esimerkissä käytämme Iris-tietokantaa, klassikkoa koneoppimisessa:

[[LLT:6]]

[[LLT:7]]

Seuraavaksi tiedot jaetaan koulutus- ja testausryhmiin:

[[LLT:8]]

Päätöksen puukoulutus

Luo instanssi luokittelijasta ja sovita se koulutustietoihin:

[[LLT: 9]]

Mallin arviointi

Tee ennusteet testisarjassa ja arvioi tarkkuutta:

[[LLT:11]]

[[LUOTTO:12]]

Tulosta tarkkuus:

[[LLT:13]]

Päätöksen puu visualisoidaan

Visualisoidaksesi päätöspuun, käytä export graphviz-toimintoa:

Asenna graafinen kuvake tarvittaessa:

Sitten luoda ja näyttää visualisointi:

[[LLT:15]]

[[LLT:16]]

[[LLT:17]]

[[LLT:18]]

Avaa visualisointi ympäristössäsi nähdäksesi päätöksen säännöt.

Päätelmä

Toteutuspäätös puita Python kanssa skit-oppii on yksinkertainen ja tehokas. Ne ovat hyödyllisiä ymmärtää ominaisuus merkitys ja tehdä avoimia ennusteita. Kokeilu eri parametreja ja tietoaineistoja syventää ymmärrystä tämän monipuolisen algoritmin.