Qarorlar daraxti va uni qurish algoritmlari

Qarorlar daraxti tasniflagichini optimallashtirish

mezon : ixtiyoriy (standart = "gini") yoki Atribut tanlash o'lchovini tanlang: Bu parametr turli xil atributlarni tanlash o'lchovidan foydalanishga imkon beradi. Qo'llab-quvvatlanadigan mezonlar - Jini indeksi uchun "gini" va ma'lumot olish uchun "entropiya".
splitter : string, ixtiyoriy (standart = "eng yaxshi") yoki Split Strategy: Bu parametr bo'linish strategiyasini tanlash imkonini beradi. Qo'llab-quvvatlanadigan strategiyalar eng yaxshi bo'linishni tanlash uchun "eng yaxshi" va eng yaxshi tasodifiy bo'linishni tanlash uchun "tasodifiy".
max_depth : int yoki Yo'q, ixtiyoriy (standart = Yo'q) yoki Daraxtning maksimal chuqurligi: Daraxtning maksimal chuqurligi. Agar Yo'q bo'lsa, tugunlar barcha barglarda min_samples_split namunalaridan kamroq bo'lguncha kengaytiriladi. Maksimal chuqurlikning yuqori qiymati haddan tashqari moslashishga olib keladi va pastroq qiymat kam moslashishga olib keladi (Manba).
Scikit-learn-da qaror daraxti tasniflagichini optimallashtirish faqat oldindan kesish orqali amalga oshiriladi. Daraxtning maksimal chuqurligi oldindan kesish uchun nazorat o'zgaruvchisi sifatida ishlatilishi mumkin.

# Qarorlar daraxti klassifikatori ob'ekt

tasniflagichini yarating = DecisionTreeClassifier ( mezon = "entropiya" , max_depth = 3 )# Train Decision Tree klassifikatori =
klassifikator . fit ( X_train , y_train )# Test ma'lumotlar to'plami uchun javobni taxmin qiling
y_pred = tasniflagich . bashorat qilish ( X_test )# Modelning aniqligi , qanchalik tez - tez tasniflagich to'g'ri ? chop etish ( "Aniqlik:" , ko'rsatkichlar . accuracy_score ( y_test , y_pred ))
Xo'sh, tasniflash darajasi 94% gacha ko'tarildi, bu avvalgi modelga qaraganda yaxshiroq aniqlikdir.
Keling, optimallashtirishdan so'ng kesilgan qaror daraxtini yana bir bor tasavvur qilaylik.
dot_data = StringIO ()
export_graphviz ( klassifikator , out_file = nuqta_ma'lumotlar ,
to'ldirilgan = To'g'ri , yaxlitlangan = To'g'ri ,
maxsus_belgilar = To'g'ri , xususiyat_nomlari = xususiyat_ko'rsatkichlari , sinf_nomlari =[ '0' , '1' ])
grafik = pydotplus . graph_from_dot_data ( dot_data . getvalue ()) Rasm
( grafik . create_png ())

Azizillodan keyin qaror daraxti
Ushbu kesilgan model oldingi qaror daraxti modeli uchastkasiga qaraganda kamroq murakkab, tushuntirilishi mumkin va tushunish oson.