Scikit Learn 简明教程
Scikit Learn - Randomized Decision Trees
本章将帮助你理解 Sklearn 中的随机决策树。
Randomized Decision Tree algorithms
众所周知，DT 通常通过递归分割数据来训练，但由于容易过拟合，它们已通过在数据的各种子样本上训练许多树而转化为随机森林。 sklearn.ensemble 模块具有基于随机决策树的以下两种算法 -
The Random Forest algorithm
对于考虑的每个特征，它计算局部最优特征/分割组合。在随机森林中，集合中的每个决策树都是通过从训练集中有放回地抽取样本构建的，然后从每个样本中获取预测，最后通过投票的方式选择最佳解。它既可用于分类任务，也可用于回归任务。
Classification with Random Forest
为了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’ 。
在此， ‘max_features’ 是拆分节点时要考虑的随机特征子集的大小。如果我们将此参数的值选择为 none，那么它将考虑所有特征，而不是随机子集。另一方面， n_estimators 是森林中的树的数量。树的数量越多，结果会越好。但计算也会花费更长时间。
Implementation example
在下面的示例中，我们通过使用 sklearn.ensemble.RandomForestClassifier 来构建随机森林分类器，并通过使用 cross_val_score 模块来检查其准确性。
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()Example
我们还可以使用 sklearn 数据集来构建随机森林分类器。与下面的示例一样，我们正在使用鸢尾花数据集。我们还将找到它的准确度得分和混淆矩阵。
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)Output
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: 0.9777777777777777Regression with Random Forest
为了创建随机回归森林，Scikit-learn 模块提供了 sklearn.ensemble.RandomForestRegressor 。在构建随机森林回归器时，它将使用 sklearn.ensemble.RandomForestClassifier 使用的相同参数。
Implementation example
在下面的示例中，我们通过使用 sklearn.ensemble.RandomForestregressor 来构建随机森林回归器，并通过使用 predict() 方法对其进行预测。
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)Output
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
)拟合完成后，可以预测回归模型，如下所示：
print(RFregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))Extra-Tree Methods
对于每个要考虑的特征，它为拆分选择一个随机值。使用额外树方法的好处是，它可以进一步减少模型的方差。使用这些方法的缺点是，它会略微增加方差。
Classification with Extra-Tree Method
为了使用 Extra-tree 方法创建分类器，Scikit-learn 模块提供了 sklearn.ensemble.ExtraTreesClassifier 。它使用 sklearn.ensemble.RandomForestClassifier 使用的相同参数。唯一区别在于，按照上面讨论的方式，它们构建树。
Implementation example
在下面的示例中，我们通过使用 sklearn.ensemble.ExtraTreeClassifier 来构建随机森林分类器，并通过使用 cross_val_score 模块来检查其准确性。
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()Example
我们还可以使用 sklearn 数据集来使用 Extra-Tree 方法构建分类器。与下面的示例一样，我们正在使用 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())Regression with Extra-Tree Method
为了创建 Extra-Tree 回归，Scikit-learn 模块提供了 sklearn.ensemble.ExtraTreesRegressor 。在构建随机森林回归器时，它将使用 sklearn.ensemble.ExtraTreesClassifier 使用的相同参数。
Implementation example
在下面的示例中，我们应用 sklearn.ensemble.ExtraTreesregressor 以及我们在创建随机森林回归器时使用的相同数据。让我们看看输出中的差异
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)Output
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)