【阿旭機(jī)器學(xué)習(xí)實(shí)戰(zhàn)】系列文章主要介紹機(jī)器學(xué)習(xí)的各種算法模型及其實(shí)戰(zhàn)案例，歡迎點(diǎn)贊，關(guān)注共同學(xué)習(xí)交流。

【阿旭機(jī)器學(xué)習(xí)實(shí)戰(zhàn)】【36】糖尿病預(yù)測(cè)—決策樹建模及其可視化

1. 導(dǎo)入數(shù)據(jù)并查看數(shù)據(jù)

關(guān)注GZH：阿旭算法與機(jī)器學(xué)習(xí)，回復(fù)：“ML36”即可獲取本文數(shù)據(jù)集、源碼與項(xiàng)目文檔

# 導(dǎo)入數(shù)據(jù)包
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split 
from sklearn import metrics 
import matplotlib.pyplot as plt
import matplotlib as matplot
import seaborn as sns
%matplotlib inline

col_names = ['pregnant', 'glucose', 'bp', 'skin', 'insulin', 'bmi', 'pedigree', 'age', 'label']
df = pd.read_csv("pima-indians-diabetes.csv", header=None, names=col_names)

df.head()

# 相關(guān)性矩陣
corr = df.iloc[:,:-1].corr()
#corr = (corr)
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

corr

2. 訓(xùn)練決策樹模型及其可視化

# 選擇預(yù)測(cè)所需的特征
feature_cols = ['pregnant', 'insulin', 'bmi', 'age','glucose','bp','pedigree']
X = pima[feature_cols] # 特征
y = pima.label # 類別標(biāo)簽

# 將數(shù)據(jù)分為訓(xùn)練和測(cè)試數(shù)據(jù)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1) # 70% training and 30% test

2.1 決策樹模型

# 創(chuàng)建決策樹分類器
clf = DecisionTreeClassifier(criterion='entropy')

# 訓(xùn)練模型
clf = clf.fit(X_train,y_train)

# 使用訓(xùn)練好的模型做預(yù)測(cè)
y_pred = clf.predict(X_test)

# 模型的準(zhǔn)確性
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

Accuracy: 0.7489177489177489

2.2 可視化訓(xùn)練好的決策樹模型

注意: 需要使用如下命令安裝額外兩個(gè)包用于畫決策樹的圖
conda install python-graphviz
conda install pydotplus

from sklearn.tree import export_graphviz
from six import StringIO 
from IPython.display import Image  
import pydotplus
from sklearn import tree

dot_data = StringIO()
export_graphviz(clf, out_file=dot_data,  
                filled=True, rounded=True,
                special_characters=True,feature_names = feature_cols,class_names=['0','1'])
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())  
graph.write_png('diabetes.png')
Image(graph.create_png())

# 創(chuàng)建新的決策樹, 限定樹的最大深度, 減少過擬合
clf = tree.DecisionTreeClassifier(
    criterion='entropy',
    max_depth=4, # 定義樹的深度, 可以用來防止過擬合
    min_weight_fraction_leaf=0.01 # 定義葉子節(jié)點(diǎn)最少需要包含多少個(gè)樣本(使用百分比表達(dá)), 防止過擬合
    )

# 訓(xùn)練模型
clf.fit(X_train,y_train)

# 預(yù)測(cè)
y_pred = clf.predict(X_test)

# 模型的性能
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

Accuracy: 0.7705627705627706

from six import StringIO  
from IPython.display import Image  
from sklearn.tree import export_graphviz
import pydotplus
dot_data = StringIO()
export_graphviz(clf, out_file=dot_data,  
                filled=True, rounded=True,
                special_characters=True, feature_names = feature_cols,class_names=['0','1'])
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())  

graph.write_png('diabetes2.png')
Image(graph.create_png())

2.2 使用隨機(jī)森林模型

from sklearn.ensemble import RandomForestClassifier

# 隨機(jī)森林, 通過調(diào)整參數(shù)來獲取更好的結(jié)果
rf = RandomForestClassifier(
    criterion='entropy',
    n_estimators=1, 
    max_depth=5, # 定義樹的深度, 可以用來防止過擬合
    min_samples_split=10, # 定義至少多少個(gè)樣本的情況下才繼續(xù)分叉
    #min_weight_fraction_leaf=0.02 # 定義葉子節(jié)點(diǎn)最少需要包含多少個(gè)樣本(使用百分比表達(dá)), 防止過擬合
    )

# 訓(xùn)練模型
rf.fit(X_train, y_train)

# 做預(yù)測(cè)
y_pred = rf.predict(X_test)

# 模型的準(zhǔn)確率
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

Accuracy: 0.7402597402597403

如果文章對(duì)你有幫助，感謝點(diǎn)贊+關(guān)注！

關(guān)注下方GZH：阿旭算法與機(jī)器學(xué)習(xí)，回復(fù)：“ML36”即可獲取本文數(shù)據(jù)集、源碼與項(xiàng)目文檔，歡迎共同學(xué)習(xí)交流文章來源地址http://www.zghlxwxcb.cn/news/detail-503081.html

到了這里，關(guān)于【阿旭機(jī)器學(xué)習(xí)實(shí)戰(zhàn)】【36】糖尿病預(yù)測(cè)---決策樹建模及其可視化的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！