Классификация дерева решений за 9 шагов с помощью Python

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: