Классификация дерева решений — это первая модель типа классификации в этой серии. Наш кейс связан с рекламой в социальных сетях. В рекламе представлен автомобиль типа SUV. У нас есть набор данных, содержащий данные о поле, возрасте, предполагаемой зарплате людей, которые видят эту рекламу. Последние данные касаются людей, купивших или не купивших внедорожник. Мы должны создать модель, которая может разделить людей на два класса. Начнем с импорта необходимых вещей
#1 Importing the libraries import numpy as np import matplotlib.pyplot as plt import pandas as pd #2 Importing the dataset dataset = pd.read_csv('Social_Network_Ads.csv') X = dataset.iloc[:, [2, 3]].values y = dataset.iloc[:, 4].values #3 Splitting the dataset into the Training set and Test set from sklearn.cross_validation import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0) #4 Feature Scaling. Only scale the X_train and X_test. It does not #need Feature Scaling because it is a preprocessing step when #the algorithm is based on the Euclidean distance. from sklearn.preprocessing import StandardScaler sc = StandardScaler() X_train = sc.fit_transform(X_train) X_test = sc.fit_transfotm(X_test)
#5 Fitting Decision Tree classifier to the Training set # Create your Decision Tree classifier object here. from sklearn.tree import DecisionTreeClassifier #criterion parameter can be entropy or gini. Impurity will increase #while the entropy and gini index value decrease classifier = DecisionTreeClassifier(criterion='entropy',random_state=0) classifier.fit(X_train,y_train) #6 Predicting the Test set results y_pred = classifier.predict(X_test)
#7 Making the Confusion Matrix (How many incorrect predictions in #the model) from sklearn.metrics import confusion_matrix cm = confusion_matrix(y_test, y_pred)
#8 Visualising the Training set results from matplotlib.colors import ListedColormap X_set, y_set = X_train, y_train X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.01), np.arange(start = X_set[:, 1].min() - 1, stop = X_set[:, 1].max() + 1, step = 0.01)) plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape), alpha = 0.75, cmap = ListedColormap(('red', 'blue'))) plt.xlim(X1.min(), X1.max()) plt.ylim(X2.min(), X2.max()) for i, j in enumerate(np.unique(y_set)): plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1], c = ListedColormap(('red', 'blue'))(i), label = j) plt.title('Decision Tree Classification (Training set)') plt.xlabel('Age') plt.ylabel('Estimated Salary') plt.legend() plt.show()
Граница предсказания состоит только из горизонтальных и вертикальных линий. Модель представляет собой попытку поймать красные точки в синих областях. Это похоже на переобучение, потому что каждый пользователь пытается попасть в нужную категорию. Давайте посмотрим, как эта модель успешно предсказывает тестовый набор данных.
#9 Visualising the Test set results from matplotlib.colors import ListedColormap X_set, y_set = X_test, y_test X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.01), np.arange(start = X_set[:, 1].min() - 1, stop = X_set[:, 1].max() + 1, step = 0.01)) plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape), alpha = 0.75, cmap = ListedColormap(('red', 'green'))) plt.xlim(X1.min(), X1.max()) plt.ylim(X2.min(), X2.max()) for i, j in enumerate(np.unique(y_set)): plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1], c = ListedColormap(('red', 'green'))(i), label = j) plt.title('Decision Tree Classification (Test set)') plt.xlabel('Age') plt.ylabel('Estimated Salary') plt.legend() plt.show()
Давайте попробуем ваши модели с вашим набором данных. Наслаждайтесь новыми моделями…
Ссылки: