Beslutningstrær er en populær maskinlæringsmetode som brukes til klassifisering og regresjonsoppgaver. De er enkle å tolke og kan håndtere både numeriske og kategoriske data. I Python gir Scikit-learn-biblioteket en enkel måte å implementere beslutningstrær.

Kom i gang med Scikit-learn

Før du implementerer et beslutningstre, forsikre deg om du har Scikit-learn installert. Du kan installere det ved hjelp av pip:

Importere nødvendige biblioteker

Start med å importere de nødvendige bibliotekene:

Laster og forbereder data

For dette eksempel vil vi bruke Iris datasett, en klassiker i maskinlæring:

Deretter deler du dataene i trening og testsett:

Opplæring av beslutningstreet

Opprette en instans av klassifiseringsenheten og passer den til opplæringsdataene:

Evaluere modellen

Gjør forutsigelser på testsettet og evaluere nøyaktighet:

Skriv ut nøyaktigheten:

Visualisering av beslutningstreet

For å visualisere beslutningstreet, bruk export graphviz-funksjonen:

Installer grafviz om nødvendig:

Deretter generere og vise visualiseringen:

Åpne visualiseringen i miljøet for å se avgjørelsesreglene.

Konklusjon

Implementere beslutningstrær i Python med scikit-learn er enkle og effektive. De er nyttige for å forstå funksjons viktighet og gjøre gjennomsiktige spådommer. Eksperimenter med ulike parametere og datasett for å utdype din forståelse av denne allsidige algoritmen.