Học máy - Cây quyết định
Cây quyết định
Trong chương này, chúng tôi sẽ hướng dẫn bạn cách lập "Cây quyết định". Cây quyết định là một Sơ đồ luồng và có thể giúp bạn đưa ra quyết định dựa trên kinh nghiệm trước đó.
Trong ví dụ, một người sẽ cố gắng quyết định xem họ có nên đi xem một chương trình hài kịch hay không.
May mắn thay, người mẫu của chúng tôi đã đăng ký mỗi khi có một chương trình hài kịch trong thị trấn, và đăng ký một số thông tin về diễn viên hài, và cũng đăng ký nếu anh ấy / cô ấy có đi hay không.
Già đi | Kinh nghiệm | Thứ hạng | Quốc tịch | Đi |
36 | 10 | 9 | Vương quốc Anh | KHÔNG |
42 | 12 | 4 | Hoa Kỳ | KHÔNG |
23 | 4 | 6 | n | KHÔNG |
52 | 4 | 4 | Hoa Kỳ | KHÔNG |
43 | 21 | số 8 | Hoa Kỳ | ĐÚNG |
44 | 14 | 5 | Vương quốc Anh | KHÔNG |
66 | 3 | 7 | n | ĐÚNG |
35 | 14 | 9 | Vương quốc Anh | ĐÚNG |
52 | 13 | 7 | n | ĐÚNG |
35 | 5 | 9 | n | ĐÚNG |
24 | 3 | 5 | Hoa Kỳ | KHÔNG |
18 | 3 | 7 | Vương quốc Anh | ĐÚNG |
45 | 9 | 9 | Vương quốc Anh | ĐÚNG |
Giờ đây, dựa trên tập dữ liệu này, Python có thể tạo một cây quyết định có thể được sử dụng để quyết định xem có bất kỳ chương trình mới nào đáng tham gia hay không.
Làm thế nào nó hoạt động?
Đầu tiên, nhập các mô-đun bạn cần và đọc tập dữ liệu với gấu trúc:
Thí dụ
Đọc và in tập dữ liệu:
import pandas
from sklearn import tree
import pydotplus
from
sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import matplotlib.image as pltimg
df = pandas.read_csv("shows.csv")
print(df)
Để tạo cây quyết định, tất cả dữ liệu phải ở dạng số.
Chúng ta phải chuyển đổi các cột không phải số 'Quốc tịch' và 'Đi' thành các giá trị số.
Pandas có một map()
phương pháp lấy từ điển với thông tin về cách chuyển đổi các giá trị.
{'UK': 0, 'USA': 1, 'N': 2}
Có nghĩa là chuyển đổi các giá trị 'UK' thành 0, 'USA' thành 1 và 'N' thành 2.
Thí dụ
Thay đổi giá trị chuỗi thành giá trị số:
d = {'UK': 0,
'USA': 1, 'N': 2}
df['Nationality'] = df['Nationality'].map(d)
d =
{'YES': 1, 'NO': 0}
df['Go'] = df['Go'].map(d)
print(df)
Sau đó, chúng ta phải tách các cột tính năng khỏi cột mục tiêu .
Các cột tính năng là các cột mà chúng tôi cố gắng dự đoán và cột mục tiêu là cột có các giá trị mà chúng tôi cố gắng dự đoán.
Thí dụ
X
là cột tính năng,
y
là cột mục tiêu:
features = ['Age', 'Experience', 'Rank', 'Nationality']
X = df[features]
y = df['Go']
print(X)
print(y)
Bây giờ chúng ta có thể tạo cây quyết định thực tế, phù hợp với thông tin chi tiết của chúng ta và lưu tệp .png trên máy tính:
Thí dụ
Tạo Cây quyết định, lưu nó dưới dạng hình ảnh và hiển thị hình ảnh:
dtree = DecisionTreeClassifier()
dtree = dtree.fit(X, y)
data =
tree.export_graphviz(dtree, out_file=None, feature_names=features)
graph =
pydotplus.graph_from_dot_data(data)
graph.write_png('mydecisiontree.png')
img=pltimg.imread('mydecisiontree.png')
imgplot = plt.imshow(img)
plt.show()
Giải thích kết quả
Cây quyết định sử dụng các quyết định trước đó của bạn để tính toán khả năng bạn có muốn đi xem một diễn viên hài hay không.
Hãy để chúng tôi đọc các khía cạnh khác nhau của cây quyết định:
Thứ hạng
Rank <= 6.5
có nghĩa là mọi diễn viên hài có thứ hạng từ 6.5 trở xuống sẽ đi theo
True
mũi tên (bên trái), và những người còn lại sẽ đi theo False
mũi tên (bên phải).
gini = 0.497
đề cập đến chất lượng của phép tách và luôn là một số trong khoảng từ 0,0 đến 0,5, trong đó 0,0 có nghĩa là tất cả các mẫu đều có kết quả giống nhau và 0,5 có nghĩa là phép tách được thực hiện chính xác ở giữa.
samples = 13
có nghĩa là có 13 nghệ sĩ hài còn lại vào thời điểm này trong quyết định, đó là tất cả họ vì đây là bước đầu tiên.
value = [6, 7]
có nghĩa là trong số 13 diễn viên hài này, 6 người sẽ nhận được "KHÔNG" và 7 sẽ nhận được "ĐI".
Gini
Có nhiều cách để chia mẫu, chúng tôi sử dụng phương pháp GINI trong hướng dẫn này.
Phương pháp Gini sử dụng công thức này:
Gini = 1 - (x/n)2 - (y/n)2
Đâu x
là số câu trả lời khẳng định ("ĐI"),
n
là số mẫu và
y
là số câu trả lời phủ định ("KHÔNG"), cho chúng ta phép tính sau:
1 - (7 / 13)2 - (6 / 13)2 = 0.497
Bước tiếp theo có hai hộp, một hộp dành cho những diễn viên hài có 'Xếp hạng' từ 6,5 trở xuống và một hộp với những người còn lại.
True - 5 diễn viên hài kết thúc tại đây:
gini = 0.0
có nghĩa là tất cả các mẫu đều có kết quả giống nhau.
samples = 5
nghĩa là nhánh này còn lại 5 nghệ sĩ hài (5 nghệ sĩ hài có Xếp hạng từ 6.5 trở xuống).
value = [5, 0]
có nghĩa là 5 sẽ nhận được "KHÔNG" và 0 sẽ nhận được "ĐI".
Sai - 8 Diễn viên hài Tiếp tục:
Quốc tịch
Nationality <= 0.5
có nghĩa là những diễn viên hài có giá trị quốc tịch nhỏ hơn 0,5 sẽ đi theo mũi tên sang trái (có nghĩa là tất cả mọi người đến từ Vương quốc Anh), và những người còn lại sẽ theo mũi tên sang phải.
gini = 0.219
có nghĩa là khoảng 22% mẫu sẽ đi theo một hướng.
samples = 8
nghĩa là nhánh này còn lại 8 nghệ sĩ hài (8 diễn viên hài có Xếp hạng cao hơn 6.5).
value = [1, 7]
có nghĩa là trong số 8 diễn viên hài này, 1 sẽ nhận được "KHÔNG" và 7 sẽ nhận được "ĐI".
Đúng - 4 Diễn viên hài Tiếp tục:
Già đi
Age <= 35.5
nghĩa là các diễn viên hài ở độ tuổi 35,5 trở xuống sẽ đi theo mũi tên bên trái, còn lại sẽ đi theo mũi tên bên phải.
gini = 0.375
có nghĩa là khoảng 37,5% số mẫu sẽ đi theo một hướng.
samples = 4
có nghĩa là còn lại 4 nghệ sĩ hài trong nhánh này (4 nghệ sĩ hài đến từ Vương quốc Anh).
value = [1, 3]
có nghĩa là trong số 4 diễn viên hài này, 1 sẽ nhận được "KHÔNG" và 3 sẽ nhận được "ĐI".
Sai - 4 Diễn viên hài Kết thúc tại đây:
gini = 0.0
có nghĩa là tất cả các mẫu đều có kết quả giống nhau.
samples = 4
có nghĩa là còn lại 4 nghệ sĩ hài trong nhánh này (4 nghệ sĩ hài không đến từ Vương quốc Anh).
value = [0, 4]
có nghĩa là trong 4 diễn viên hài này, 0 sẽ nhận được "KHÔNG" và 4 sẽ nhận được "ĐI".
True - 2 Diễn viên hài Kết thúc tại đây:
gini = 0.0
có nghĩa là tất cả các mẫu đều có kết quả giống nhau.
samples = 2
nghĩa là ngành này còn lại 2 diễn viên hài (2 diễn viên hài ở độ tuổi 35,5 trở xuống).
value = [0, 2]
có nghĩa là trong số 2 diễn viên hài này, 0 sẽ nhận được "KHÔNG" và 2 sẽ nhận được "ĐI".
Sai - 2 Diễn viên hài Tiếp tục:
Kinh nghiệm
Experience <= 9.5
nghĩa là các diễn viên hài có 9,5 năm kinh nghiệm trở xuống sẽ đi theo mũi tên bên trái, còn lại sẽ đi theo mũi tên bên phải.
gini = 0.5
có nghĩa là 50% mẫu sẽ đi theo một hướng.
samples = 2
nghĩa là nhánh này còn lại 2 diễn viên hài (2 diễn viên hài trên 35,5 tuổi).
value = [1, 1]
nghĩa là trong số 2 diễn viên hài này, 1 người sẽ nhận được "KHÔNG" và 1 sẽ nhận được "ĐI".
True - 1 Diễn viên hài kết thúc tại đây:
gini = 0.0
có nghĩa là tất cả các mẫu đều có kết quả giống nhau.
samples = 1
nghĩa là ngành này còn lại 1 diễn viên hài (1 diễn viên hài từ 9,5 năm kinh nghiệm trở xuống).
value = [0, 1]
có nghĩa là 0 sẽ nhận được "KHÔNG" và 1 sẽ nhận được "ĐI".
Sai - 1 Diễn viên hài kết thúc tại đây:
gini = 0.0
có nghĩa là tất cả các mẫu đều có kết quả giống nhau.
samples = 1
nghĩa là ngành này còn lại 1 nghệ sĩ hài (1 nghệ sĩ hài hơn 9.5 năm kinh nghiệm).
value = [1, 0]
có nghĩa là 1 sẽ nhận được "KHÔNG" và 0 sẽ nhận được "ĐI".
Dự đoán giá trị
Chúng ta có thể sử dụng Cây quyết định để dự đoán các giá trị mới.
Ví dụ: Tôi có nên đi xem một chương trình có diễn viên hài người Mỹ 40 tuổi, có 10 năm kinh nghiệm và xếp hạng hài là 7 không?
Thí dụ
Sử dụng phương thức dự đoán () để dự đoán các giá trị mới:
print(dtree.predict([[40, 10, 7, 1]]))
Thí dụ
Câu trả lời sẽ là gì nếu thứ hạng hài là 6?
print(dtree.predict([[40, 10, 6, 1]]))
Kết quả khác nhau
Bạn sẽ thấy rằng Cây quyết định cung cấp cho bạn các kết quả khác nhau nếu bạn chạy nó đủ số lần, ngay cả khi bạn cung cấp cùng một dữ liệu.
Đó là bởi vì Cây quyết định không cho chúng ta câu trả lời chắc chắn 100%. Nó dựa trên xác suất của một kết quả và câu trả lời sẽ khác nhau.