Gli alberi di decisione sono un metodo di apprendimento automatico popolare utilizzato per le attività di classificazione e regressione, che sono facili da interpretare e possono gestire dati numerici e categorici. In Python, la libreria di scikit-learn fornisce un modo semplice per implementare gli alberi di decisione.

Iniziare con Scikit-learn

Prima di implementare un albero di decisione, assicurarsi di avere scikit-learn installato. È possibile installarlo utilizzando pip:

Importazione di Bilanciari Necessari

Inizia importando le librerie richieste:

Caricamento e Preparazione dei dati

Per questo esempio, useremo il set di dati Iris, un classico nell'apprendimento automatico:

Successivamente, dividere i dati in gruppi di formazione e test:

Formazione dell'albero di decisione

Creare un'istanza del classificatore e adattarlo ai dati di formazione:

Valutazione del Modello

Fare previsioni sul set di test e valutare l'accuratezza:

Stampare l'accuratezza:

Visualizzazione dell'albero della decisione

Per visualizzare l'albero di decisione, utilizzare la funzione export graphviz:

Installare grafico se necessario:

Quindi, generare e visualizzare la visualizzazione:

Aprire la visualizzazione nel vostro ambiente per vedere le regole di decisione.

Conclusioni

Implementare alberi di decisione in Python con scikit-learn è semplice ed efficace. Sono utili per comprendere l'importanza della funzionalità e fare previsioni trasparenti. Sperimenta con diversi parametri e set di dati per approfondire la tua comprensione di questo algoritmo versatile.