Scikit Learn 随机决策树

本章将帮助你理解 Sklearn 中的随机决策树。

随机决策树算法

我们知道，决策树通常是通过递归分割数据来训练的，但由于容易过拟合，它们已经通过在数据的不同子样本上训练许多树而被转化为随机森林，sklearn.ensemble模块有以下两种基于随机决策树的算法：

随机森林算法

对于考虑中的每个特征，它计算局部最优特征/分割组合，在随机森林中，集成中的每个决策树都是从训练集中替换抽取的样本中构建的，然后从每个样本中得到预测，最后通过投票的方式选择最佳解决方案，它可用于分类和回归任务。

随机森林分类

为了创建一个随机森林分类器，Scikit-learn模块提供了sklearn.ensemble.RandomForestClassifier。在建立随机森林分类器时，该模块使用的主要参数是 "max_features "和 "n_estimators"。

这里，'max_features'是分割节点时要考虑的随机特征子集的大小。如果我们把这个参数的值选择为零，那么它将考虑所有的特征，而不是一个随机子集。另一方面，n_estimators是森林中树的数量，树的数量越多，结果就越好，但它的计算时间也会更长。

示例

在下面的例子中，我们通过使用sklearn.ensemble.RandomForestClassifier建立一个随机森林分类器，同时也通过使用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()

0.9997

我们还可以使用 sklearn 数据集来构建随机森林分类器。如下例所示，我们使用的是 iris 数据集。我们还将找到它的准确率分数和混淆矩阵。

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)

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

随机森林回归

为了创建随机森林回归，Scikit-learn模块提供了sklearn.ensemble.RandomForestRegressor。在建立随机森林回归时，它将使用与sklearn.ensemble.RandomForestClassifier所使用的相同参数。

示例

在以下示例中，我们使用以下方法构建随机森林回归器sklearn.ensemble.RandomForestregressor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)

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
)

一旦拟合，我们可以从回归模型预测如下：

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

[98.47729198]

额外树方法

对于考虑中的每个特征，它为分割选择一个随机值，使用额外的树方法的好处是它允许更多地减少模型的方差。使用这些方法的缺点是它略微增加了偏差。

用额外树方法分类

为了使用Extra-tree方法创建一个分类器，Scikit-learn模块提供了sklearn.ensemble.ExtraTreesClassifier，它使用的参数与sklearn.ensemble.RandomForestClassifier相同。唯一的区别是上面讨论过的它们构建树的方式。

示例

在下面的例子中，我们通过使用sklearn.ensemble.ExtraTreeClassifier来构建一个随机森林分类器，同时使用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()

1.0

例子

我们还可以使用 sklearn 数据集使用 Extra-Tree 方法构建分类器，如下例所示，我们使用的是 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())

0.7551435406698566

用额外树方法回归

为了创建树外回归，Scikit-learn模块提供了sklearn.ensemble.ExtraTreesRegressor。在构建随机森林回归器时，它将使用与sklearn.ensemble.ExtraTreesClassifier所使用的相同参数。

示例

在下面的例子中，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)

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)