Arborii de decizie sunt o metodă populară de învățare mașină utilizată pentru sarcini de clasificare și regresie. Ei sunt ușor de interpretat și pot gestiona atât date numerice și categorii. În Python, biblioteca de scikit-learn oferă o modalitate simplă de a implementa copacii de decizie.

Începem cu studiul Scikit

Înainte de implementarea unui arbore decizional, asigurați-vă că ați instalat scikit-learn. Puteți instala folosind pip:

Importul bibliotecilor necesare

Începe prin a importa bibliotecile necesare:

Încărcare și pregătire date

De exemplu, vom folosi setul de date Iris, un clasic în învățarea mașinilor:

]

Apoi, împărțiți datele în seturi de formare și testare:

[FLT: 8]

Formarea arborelui decizional

Crearea unei instanțe a clasificării și adaptarea acesteia la datele de formare:

Evaluarea modelului

Se fac previziuni pe setul de testare și se evaluează precizia:

Tipărește acuratețea:

Vizualizarea copacului decizional

Pentru a vizualiza arborele decizional, utilizați funcția export grafviz:

Instalați graficul dacă este necesar:

Apoi, generați și afișați vizualizarea:

Deschide vizualizarea în mediul dumneavoastră pentru a vedea regulile de decizie.

Concluzie

Implementarea copacilor de decizie în Python cu scikt-learn este simplă și eficientă. Ele sunt utile pentru înțelegerea importanță caracteristică și de a face predicții transparente. Experimentați cu parametri diferiți și seturi de date pentru aprofunda înțelegerea dumneavoastră a acestui algoritm versatil.