【决策树-鸢尾花分类】

决策树算法简介

决策树是一种基于树状结构的分类与回归算法。它通过对数据集进行递归分割，将样本划分为多个类别或者回归值。决策树算法的核心思想是通过构建树来对数据进行划分，从而实现对未知样本的预测。

决策树的构建过程

决策树的构建过程包括以下步骤：

选择特征：从数据集中选择一个最优特征，使得根据该特征的取值能够将数据划分为最具有区分性的子集。
划分数据集：根据选定的特征将数据集分割成不同的子集，每个子集对应树中的一个分支。
递归构建：对每个子集递归地应用上述步骤，直到满足终止条件，如子集中的样本属于同一类别或达到预定深度。
决策节点：将特征选择和数据集划分过程映射到决策树中的节点。
叶节点：表示分类结果的节点，叶节点对应于某个类别或者回归值。

决策树的优点

决策树算法具有以下优点：

易于理解和解释：决策树的构建过程可以直观地表示，易于理解和解释，适用于数据探索和推断分析。
处理多类型数据：决策树可以处理离散型和连续型特征，适用于多类型数据。
能处理缺失值：在构建决策树时，可以处理含有缺失值的数据。
高效处理大数据：决策树算法的时间复杂度较低，对于大规模数据集也能得到较高的效率。

决策树的缺点

决策树算法也有一些缺点：

容易过拟合：决策树容易生成复杂的模型，导致过拟合问题，需要进行剪枝等处理。
不稳定性：数据的细微变化可能导致生成不同的决策树，算法不稳定。

决策树的应用场景

决策树算法在许多领域都有广泛的应用，包括但不限于：

分类问题：决策树用于解决分类问题，如垃圾邮件识别、疾病诊断等。
回归问题：对于回归问题，决策树可以预测连续性输出，如房价预测、销售量预测等。
特征选择：决策树可用于选择重要特征，帮助简化模型。

示例代码

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score# 加载数据集
data = load_iris()
X, y = data.data, data.target# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y)# 创建决策树分类器
clf = DecisionTreeClassifier()# 训练模型
clf.fit(X_train, y_train)# 预测
y_pred = clf.predict(X_test)# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)# 直接对比预测值和真实值
print(y_pred == y_test)# 可视化决策树
from sklearn.tree import export_graphviz
import graphvizdot_data = export_graphviz(clf, out_file=None,feature_names=data.feature_names,class_names=data.target_names,filled=True, rounded=True,special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris")
graph.view()# 可视化混淆矩阵
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)# 可视化混淆矩阵
sns.heatmap(cm, annot=True)
plt.show()# 可视化分类报告
from sklearn.metrics import classification_report# 计算分类报告
report = classification_report(y_test, y_pred)# 打印分类报告
print(report)# 可视化特征重要性
import matplotlib.pyplot as plt
import numpy as np# 获取特征重要性
importances = clf.feature_importances_# 获取特征名称
feature_names = data.feature_names# 将特征重要性标准化
importances = importances / np.max(importances)# 将特征名称和特征重要性组合在一起
feature_names = np.array(feature_names)
feature_importances = np.array(importances)
feature_names_importances = np.vstack((feature_names, feature_importances))# 将特征重要性排序
feature_names_importances = feature_names_importances[:, feature_names_importances[1, :].argsort()[::-1]]# 绘制条形图
plt.bar(feature_names_importances[0, :], feature_names_importances[1, :].astype(float))
plt.show()