עצי החלטות הם שיטת למידת מכונה פופולרית המשמשת לסיוג ומשימות רגרסיה. הם קלים לפרש ויכולים להתמודד עם נתונים מספריים וקטגוריים.ב Python, ספריית ה-Sikit-learn מספקת דרך פשוטה ליישום עצי ההחלטות.

מתחילים עם Scikit-learn

לפני יישום עץ החלטה, ודא שיש לך ikit-learn מותקן.You יכול להתקין אותו באמצעות pip:

(ב) .

ייבוא ⁇ הכרחי

נתחיל בייבוא הספרות הנדרשות:

(ב) 1

(ב) 2

(ב) .

(ב) .

טעינה ומכינה נתונים

לדוגמה, אנו נשתמש ב-Iristis Dataset, קלאסי בלמידה של מכונה:

(ב) 5)

◄

◄ [15]

לאחר מכן, פיצו את הנתונים לאימון ולבדיקות:

(ב) .

אימון עץ ההחלטות

צור מקרה של המסווג ותאים אותו לנתונים האימונים:

(ב) .

(ב) .

להעריך את המודל

לבצע תחזיות על סט הבדיקה ולבחון דיוק:

[01: 51]

◄

הדפס את הדיוק:

(ב) .

דמיין את עץ ההחלטות

כדי לדמיין את עץ ההחלטה, השתמש בפונקציית ייצוא graphviz:

התקנת גרפיץ במידת הצורך:

(ב) .

ואז, ליצור ולהציג את הויזואליזציה:

(ב) .

(ב) .

(ב) .

(ב) .

פתח את הויזואליזציה בסביבה שלך כדי לראות את כללי ההחלטות.

מסקנה

יישום עצי החלטות ב- Python עם scikit-learn הוא פשוט ויעיל.הם שימושיים להבנת חשיבות תכונה וקבלת תחזיות שקופות.ניסוי עם פרמטרים והנתונים שונים כדי להעמיק את ההבנה של אלגוריתם זה.