Scikit Learn - 随机决策树

本章将帮助您了解 Sklearn 中的随机决策树。

随机决策树算法

我们知道 DT 通常通过递归分割数据进行训练，但由于容易过拟合，因此它们已通过在数据的各种子样本上训练许多树来转换为随机森林。这sklearn.ensemble模块包含以下两种基于随机决策树的算法：

随机森林算法

对于正在考虑的每个特征，它计算局部最优特征/分割组合。在随机森林中，集成中的每棵决策树都是从训练集中有放回地抽取的样本构建的，然后获取每棵树的预测结果，最后通过投票选择最佳解决方案。它可用于分类和回归任务。

使用随机森林进行分类

要创建随机森林分类器，Scikit-learn 模块提供sklearn.ensemble.RandomForestClassifier。在构建随机森林分类器时，此模块使用的主要参数是“max_features”和“n_estimators”。

这里，“max_features”是在分割节点时要考虑的特征的随机子集的大小。如果我们将此参数的值选择为 none，则它将考虑所有特征，而不是随机子集。另一方面，n_estimators是森林中的树木数量。树木数量越多，结果越好。但计算时间也会更长。

实现示例

在以下示例中，我们使用sklearn.ensemble.RandomForestClassifier构建随机森林分类器，并使用cross_val_score模块检查其准确性。

from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_blobs
from sklearn.ensemble import RandomForestClassifier
X, y = make_blobs(n_samples = 10000, n_features = 10, centers = 100,random_state = 0) RFclf = RandomForestClassifier(n_estimators = 10,max_depth = None,min_samples_split = 2, random_state = 0)
scores = cross_val_score(RFclf, X, y, cv = 5)
scores.mean()

输出

0.9997

示例

我们还可以使用 sklearn 数据集构建随机森林分类器。如下例所示，我们使用 iris 数据集。我们还将找到其准确率得分和混淆矩阵。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

path = "https://archive.ics.uci.edu/ml/machine-learning-database
s/iris/iris.data"
headernames = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'Class']
dataset = pd.read_csv(path, names = headernames)
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 4].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30)
RFclf = RandomForestClassifier(n_estimators = 50)
RFclf.fit(X_train, y_train)
y_pred = RFclf.predict(X_test)
result = confusion_matrix(y_test, y_pred)
print("Confusion Matrix:")
print(result)
result1 = classification_report(y_test, y_pred)
print("Classification Report:",)
print (result1)
result2 = accuracy_score(y_test,y_pred)
print("Accuracy:",result2)

输出

Confusion Matrix:
[[14 0 0]
[ 0 18 1]
[ 0 0 12]]
Classification Report:
                  precision recall f1-score support
Iris-setosa       1.00        1.00  1.00     14
Iris-versicolor   1.00        0.95  0.97     19
Iris-virginica    0.92        1.00  0.96     12

micro avg         0.98        0.98  0.98     45
macro avg         0.97        0.98  0.98     45
weighted avg      0.98        0.98  0.98     45

Accuracy: 0.9777777777777777

使用随机森林进行回归

要创建随机森林回归，Scikit-learn 模块提供sklearn.ensemble.RandomForestRegressor。在构建随机森林回归器时，它将使用与sklearn.ensemble.RandomForestClassifier相同的参数。

实现示例

在以下示例中，我们使用sklearn.ensemble.RandomForestregressor构建随机森林回归器，并使用 predict() 方法预测新值。

from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression
X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False)
RFregr = RandomForestRegressor(max_depth = 10,random_state = 0,n_estimators = 100)
RFregr.fit(X, y)

输出

RandomForestRegressor(
   bootstrap = True, criterion = 'mse', max_depth = 10,
   max_features = 'auto', max_leaf_nodes = None,
   min_impurity_decrease = 0.0, min_impurity_split = None,
   min_samples_leaf = 1, min_samples_split = 2,
   min_weight_fraction_leaf = 0.0, n_estimators = 100, n_jobs = None,
   oob_score = False, random_state = 0, verbose = 0, warm_start = False
)

拟合后，我们可以从回归模型中进行预测，如下所示：

print(RFregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

输出

[98.47729198]

额外树方法

对于正在考虑的每个特征，它都会为分割选择一个随机值。使用额外树方法的好处是可以稍微减少模型的方差。使用这些方法的缺点是它会稍微增加偏差。

使用额外树方法进行分类

要使用额外树方法创建分类器，Scikit-learn 模块提供sklearn.ensemble.ExtraTreesClassifier。它使用与sklearn.ensemble.RandomForestClassifier相同的参数。唯一的区别在于它们构建树的方式，如上所述。

实现示例

在以下示例中，我们使用sklearn.ensemble.ExtraTreeClassifier构建随机森林分类器，并使用cross_val_score模块检查其准确性。

from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_blobs
from sklearn.ensemble import ExtraTreesClassifier
X, y = make_blobs(n_samples = 10000, n_features = 10, centers=100,random_state = 0)
ETclf = ExtraTreesClassifier(n_estimators = 10,max_depth = None,min_samples_split = 10, random_state = 0)
scores = cross_val_score(ETclf, X, y, cv = 5)
scores.mean()

输出

1.0

示例

我们还可以使用 sklearn 数据集使用额外树方法构建分类器。如下例所示，我们使用 Pima-Indian 数据集。

from pandas import read_csv

from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import ExtraTreesClassifier
path = r"C:\pima-indians-diabetes.csv"
headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(path, names=headernames)
array = data.values
X = array[:,0:8]
Y = array[:,8]
seed = 7
kfold = KFold(n_splits=10, random_state=seed)
num_trees = 150
max_features = 5
ETclf = ExtraTreesClassifier(n_estimators=num_trees, max_features=max_features)
results = cross_val_score(ETclf, X, Y, cv=kfold)
print(results.mean())

输出

0.7551435406698566

使用额外树方法进行回归

要创建额外树回归，Scikit-learn 模块提供sklearn.ensemble.ExtraTreesRegressor。在构建随机森林回归器时，它将使用与sklearn.ensemble.ExtraTreesClassifier相同的参数。

实现示例

在以下示例中，我们应用sklearn.ensemble.ExtraTreesregressor，并使用与创建随机森林回归器时相同的数据。让我们看看输出有什么不同。

from sklearn.ensemble import ExtraTreesRegressor
from sklearn.datasets import make_regression
X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False)
ETregr = ExtraTreesRegressor(max_depth = 10,random_state = 0,n_estimators = 100)
ETregr.fit(X, y)

输出

ExtraTreesRegressor(bootstrap = False, criterion = 'mse', max_depth = 10,
   max_features = 'auto', max_leaf_nodes = None,
   min_impurity_decrease = 0.0, min_impurity_split = None,
   min_samples_leaf = 1, min_samples_split = 2,
   min_weight_fraction_leaf = 0.0, n_estimators = 100, n_jobs = None,
   oob_score = False, random_state = 0, verbose = 0, warm_start = False)

示例

拟合后，我们可以从回归模型中进行预测，如下所示：

print(ETregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

输出

[85.50955817]

打印页面