Les arbres de décision sont une méthode d'apprentissage automatique populaire utilisée pour la classification et les tâches de régression. Ils sont faciles à interpréter et peuvent gérer les données numériques et les données catégoriques.

Commencer avec Scikit-apprendre

Avant de mettre en œuvre un arbre de décision, assurez-vous que vous avez installé scikit-learn. Vous pouvez l'installer en utilisant pip:

Importation des bibliothèques nécessaires

Commencez par importer les bibliothèques requises :

Chargement et préparation des données

Pour cet exemple, nous utiliserons le jeu de données Iris, un classique dans l'apprentissage automatique:

Ensuite, scindez les données en ensembles de formation et de test:

Formation de l'arbre de décision

Créez une instance du classificateur et adaptez-la aux données de formation :

Évaluation du modèle

Faire des prédictions sur l'ensemble d'essai et évaluer la précision:

Imprimer la précision :

Visualisation de l'arbre de décision

Pour visualiser l'arborescence de décision, utilisez la fonction export graphviz :

Installez graphiviz si nécessaire :

Puis, générer et afficher la visualisation:

Ouvrez la visualisation dans votre environnement pour voir les règles de décision.

Conclusion

La mise en œuvre d'arbres de décision en Python avec scikit-learn est simple et efficace. Ils sont utiles pour comprendre l'importance des caractéristiques et faire des prédictions transparentes.