机器学习 - 决策树

决策树

在本章中，我们将向您展示如何制作"Decision Tree"。决策树是一个流程图，可以帮助您根据以前的经验做出决策。

在该示例中，一个人将尝试决定他/她是否应该去看喜剧表演。

幸运的是，我们的示例人员每次镇上有喜剧表演时都会进行注册，并注册有关喜剧演员的一些信息，并且还注册了他/她是否参加。

现在，基于这个数据集，Python 可以创建一个决策树，用于决定是否有任何新节目值得关注。

它是如何工作的？

首先，用 pandas 读取数据集：

要制作决策树，所有数据都必须是数字的。

我们必须将非数字列“Nationality”和“Go”转换为数值。

Pandas有一个map()方法，它接受一个字典，其中包含有关如何转换值的信息。

{'UK': 0, 'USA': 1, 'N': 2}

表示将值“UK”转换为 0、“USA”转换为 1、“N”转换为 2。

然后我们必须分开特征列从目标柱子。

特征列是我们尝试预测的列从，目标列是包含我们尝试预测的值的列。

现在我们可以创建实际的决策树，并将其与我们的详细信息相匹配。首先导入我们需要的模块：

结果解释

决策树使用您之前的决定来计算您是否想去看喜剧演员的可能性。

让我们来看看决策树的不同方面：

秩

Rank <= 6.5意味着每个排名为 6.5 或更低的喜剧演员都会遵循True箭头（向左），其余部分将遵循False箭头（向右）。

gini = 0.497指的是分割的质量，并且始终是 0.0 到 0.5 之间的数字，其中 0.0 表示所有样本都得到相同的结果，0.5 表示分割恰好在中间完成。

samples = 13意味着此时决策中还剩下 13 名喜剧演员，因为这是第一步，所以这是全部演员。

value = [6, 7]意味着这 13 位喜剧演员中，6 位将获得"NO"，7 位将获得"GO"。

下一步包含两个框，一个框用于“排名”为 6.5 或更低的喜剧演员，另一个框用于其余的。

真实 - 5 位喜剧演员到此结束：

gini = 0.0意味着所有样本都得到相同的结果。

samples = 5表示该分支中还剩下 5 位喜剧演员（5 位 Rank 为 6.5 或更低的喜剧演员）。

value = [5, 0]意味着 5 将得到"NO"，0 将得到"GO"。

错误 - 8 位喜剧演员继续：

国籍

Nationality <= 0.5表示国籍值小于 0.5 的喜剧演员将沿着向左的箭头移动（这意味着所有人都来自英国， ），其余的将沿着向右的箭头移动。

gini = 0.219意味着大约 22% 的样本会朝一个方向流动。

samples = 8表示该分支还剩下 8 位喜剧演员（8 位 Rank 高于 6.5 的喜剧演员）。

value = [1, 7]意味着这 8 位喜剧演员中，1 位将获得"NO"，7 位将获得"GO"。

真实 - 4 位喜剧演员继续：

年龄

Age <= 35.5意思是35.5岁以下的喜剧演员会沿着箭头向左走，其余的则沿着箭头向右走。

gini = 0.375意味着大约 37.5% 的样本会朝一个方向流动。

samples = 4意味着这个分支还剩下 4 位喜剧演员（4 位来自英国的喜剧演员）。

value = [1, 3]意味着这 4 位喜剧演员中，1 位将获得"NO"，3 位将获得"GO"。

错误 - 4 个喜剧演员到此结束：

gini = 0.0意味着所有样本都得到相同的结果。

samples = 4意味着该分支中还剩下 4 位喜剧演员（4 位喜剧演员不是来自英国）。

value = [0, 4]意味着这 4 位喜剧演员中，0 位将获得"NO"，4 位将获得"GO"。

真实 - 2 个喜剧演员到此结束：

gini = 0.0意味着所有样本都得到相同的结果。

samples = 2意味着该分支中还剩下 2 名喜剧演员（2 名年龄在 35.5 岁或以下的喜剧演员）。

value = [0, 2]意味着这 2 位喜剧演员中，0 位将获得"NO"，2 位将获得"GO"。

错误 - 2 位喜剧演员继续：

经验

Experience <= 9.5意味着具有 9.5 年或以下经验的喜剧演员将沿着箭头向左移动，其余的将沿着箭头向右移动。

gini = 0.5意味着 50% 的样本会朝一个方向流动。

samples = 2表示该分支中还剩下 2 位喜剧演员（2 位年龄超过 35.5 岁的喜剧演员）。

value = [1, 1]意味着这 2 位喜剧演员中，1 位将获得"NO"，1 位将获得"GO"。

真实 - 1 个喜剧演员到此结束：

gini = 0.0意味着所有样本都得到相同的结果。

samples = 1表示该分支中还剩下 1 名喜剧演员（1 名具有 9.5 年或以下经验的喜剧演员）。

value = [0, 1]表示 0 将得到 "NO"，1 将得到 "GO"。

错误 - 1 个喜剧演员到此结束：

gini = 0.0意味着所有样本都得到相同的结果。

samples = 1表示该分支中还剩下 1 位喜剧演员（1 位喜剧演员拥有超过 9.5 年的经验）。

value = [1, 0]表示 1 将得到 "NO"，0 将得到 "GO"。

预测值

我们可以使用决策树来预测新值。

例如：我应该去看一个由 40 岁的美国喜剧演员主演的节目，他有 10 年的经验，喜剧排名为 7 吗？