一.前言

1.1 本文原理

鸢尾花特征分类决策树算法可视化效果图如下：

决策树是一种常用的机器学习方法，它可以帮助我们解决分类和回归问题。该模型具有高度的可解释性。该模型符合人类的思维方式，是一种经典的树形结构。
熵：香农用“下降”一词来表示信息传输中不确定性的量化。降幅越大，不确定性越大，从这些信息中得出结论就越困难。

基尼系数比信息熵要简单很多，基尼系数的计算公式如下所示。

信息增益(ID3算法)以某特征划分数据集前后的熵的差值公式.


基尼指数的计算
在分类问题中，假设有k类，样本点属于k类的概率为PK，则概率分布的基尼指数定义为：

如果样本集D根据特征a分为D1和D2，则在特征a的条件下，集D的基尼指数定义为：

基尼指数基尼（D，a）表示不同特征a组中数据集D的不确定性。基尼指数越大，样本集的不确定性越大，这类似于熵的概念。

1.2 本文目的

1. 使用scikit-learn机器学习包的决策树算法，使用4个特征对鸢尾花进行分类；
2. 使用ID3算法对天气与踢球数据集进行手工计算，手写E(S, Temperature)、IG(S, Temperature) 、E(S, Humidity)、IG(S, Humidity)、E(S, Windy)、IG(S, Windy)的计算过程，拍照上传、粘贴图片到实验报告。（计算方法请参见附件PPT）
3. 使用CART算法对天气与踢球数据集进行手工计算，手写Gini(S, Temperature)、Gini gain(S, Temperature) 、Gini(S, Humidity)、Gini gain(S, Humidity)、Gini(S, Windy)、Gini gain(S, Windy)的计算过程，拍照上传、粘贴图片到实验报告。（计算方法请参见附件PPT）
4. （选做）安装决策树可视化控件GraphViz和pydotplus包，对鸢尾花分类结果生成决策树可视化图片；

二.实验过程

2.1 使用scikit-learn机器学习包的决策树算法，使用4个特征对鸢尾花进行分类；

老规矩，先引入load_iris模块，有150组鸢尾花特征数据，我们可以拿来进行学习特征分类。
如下代码：

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

引入决策树模块：

from sklearn import tree

根据特征分析，数据可分为根节点（初始节点）、中间节点和叶节点（无进一步可分离的节点）。

我们使用DecisionTreeClassifier创建一个决策树分类器，如下代码：

e = tree.DecisionTreeClassifier(criterion='entropy')

上文参数解释：

criterion ： string，optional（default =“gini”）

特征选择标准，可选参数，默认是gini，可以设置为entropy。
基尼是基尼不纯，是将集合中的某个结果随机应用于某个数据项的预期错误率。这是一个统计概念。熵就是香农熵，一种基于信息论的思想。
选用全部特征值：

tree.fit(X,y)

输出训练得分和预测，如下代码：

print("决策树 training score: ",tree.score(X,y))
print("决策树 predict: ",tree.predict([[7,5,2,0.5],[7.5,4,7,2]]))

输出训练得分和预测运行截图如下：

2.2使用ID3算法对天气与踢球数据集进行手工计算，手写E(S, Temperature)、IG(S, Temperature) 、E(S, Humidity)、IG(S, Humidity)、E(S, Windy)、IG(S, Windy)的计算过程

手写图暂时不放了哈，字丑。（略）
记录一下PPT的样板计算过程如下：

E(S) = -[(9/14)log2(9/14) + (5/14)log2 (5/14)] = 0.94

本题目通过我的计算得如下结果：

E(S, Temperature)=0.911   IG(S, Temperature) =0.029
E(S, Humidity)=0.788    IG(S, Humidity)=0.152
E(S, Windy)=0.8932       IG(S, Windy)=0.048

最终，我们可以得到如下的决策树：

2.3 使用CART算法对天气与踢球数据集进行手工计算，手写Gini(S, Temperature)、Gini gain(S, Temperature) 、Gini(S, Humidity)、Gini gain(S, Humidity)、Gini(S, Windy)、Gini gain(S, Windy)的计算过程

手写图暂时不放了哈，字丑。（略）
记录一下PPT的样板计算过程如下：

Gini(S) = 1 - [(9/14)² + (5/14)²] = 0.4591

本题目通过我的计算得如下结果：

Gini(S, Temperature)=0.4405   Gini gain(S, Temperature)=0.0185
Gini(S, Humidity)=0.3674   Gini gain(S, Humidity)=0.0916
Gini(S, Windy)=0.4286    Gini gain(S, Windy)=0.0304

从结果来看，天气预报（outlook）的基尼
增益为0.117，是最高的，因此我们选择天
气预报（outlook）作为我们的根节点。

2.4 安装决策树可视化控件GraphViz和pydotplus包，对鸢尾花分类结果生成决策树可视化图片；

先安装可视化控件GraphViz：
去官网下载安装即可：
官网：

http://www.graphviz.org/

安装一下pydotplus模块。
安装一下os模块。
先使用os模块，指定一下路径等等信息。

import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files/Graphviz/bin/'
from six import StringIO
dot_data=StringIO()

使用tree.export_graphviz，可视化决策树，如下代码：

tree.export_graphviz(clf, out_file=dot_data
                             , feature_names=iris.feature_names,
                             class_names=iris.target_names,
                             filled=True,
                             rounded=True,
                             special_characters=True)

使用pydotplus模块设置图案格式等等信息,如下代码：
import pydotplus
graph =pydotplus.graph_from_dot_data(dot_data.getvalue())
from IPython.display import display,Image
display(Image(graph.create_png()))

指定输出格式，输出为pdf和png俩个

graph.write_png("tree_iris.png")
graph.write_pdf("tree_iris.pdf")

我们看一下效果图：

2.5 决策树算法之鸢尾花特征分类可视化效果图

三，收获

本次实验收获很大，学会了使用决策树算法4个特征对鸢尾花进行分类，使用ID3算法和CART算法对天气与踢球数据集进行手工计算，还学会了安装决策树可视化控件GraphViz和pydotplus包，对鸢尾花分类结果生成决策树可视化图片，本次实验让我对机器学习有了更加扎实的基础和理解。

最后

以上就是激情老师为你收集整理的决策树算法之鸢尾花特征分类可视化详解【机器学习】一.前言二.实验过程三，收获的全部内容，希望文章能够帮你解决决策树算法之鸢尾花特征分类可视化详解【机器学习】一.前言二.实验过程三，收获所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。