Scikit Learn - 随机决策树

本章将帮助您理解 Sklearn 中的随机决策树。

随机决策树算法

我们知道，DT 通常是通过递归分割数据来训练的，但很容易出现过拟合，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。sklearn.ensemble模块具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，集成中的每棵决策树都是根据训练集中放回抽取的样本构建的，然后从每个决策树中获取预测，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

为了创建随机森林分类器，Scikit-learn 模块提供了sklearn.ensemble.RandomForestClassifier。在构建随机森林分类器时，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。如果我们选择此参数的值为 none，那么它将考虑所有特征而不是随机子集。另一方面，n_estimators是森林中树木的数量。树的数量越多，结果就越好。但计算也需要更长的时间。

实施示例

在下面的示例中，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

例子

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 iris 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)

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

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。在构建随机森林回归器时，它将使用与sklearn.ensemble.RandomForestClassifier使用的相同参数。

实施示例

在下面的示例中，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
)

一旦拟合，我们可以根据回归模型进行预测，如下所示 -

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

输出

[98.47729198]

树外方法

对于考虑中的每个特征，它会选择一个随机值进行分割。使用额外的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稍微增加偏差。

树外法分类

为了使用 Extra-tree 方法创建分类器，Scikit-learn 模块提供了sklearn.ensemble.ExtraTreesClassifier。它使用与sklearn.ensemble.RandomForestClassifier使用的参数相同的参数。唯一的区别在于，如上所述，他们构建树木的方式。

实施示例

在下面的示例中，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

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 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

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，它将使用与sklearn.ensemble.ExtraTreesClassifier使用的相同参数。

实施示例

在下面的示例中，我们将sklearn.ensemble.ExtraTreesregressor应用于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)

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)

例子

一旦拟合，我们可以根据回归模型进行预测，如下所示 -

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

输出

[85.50955817]