《使用 Scikit-Learn、Keras 和 TensorFlow 进行实践机器学习》第三版

第 6 章 决策树 决策树

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

决策树是一种通用的机器学习算法，既能执行分类任务，也能执行回归任务，甚至还能执行多输出任务。它们是强大的算法，能够拟合复杂的数据集。例如，在第 2 章中，你在加州住房数据集上训练了一个DecisionTreeRegressor 模型，完全拟合（实际上是过度拟合）。

决策树也是随机森林的基本组成部分（见第 7 章），而随机森林是当今最强大的机器学习算法之一。

在本章中，我们将首先讨论如何使用决策树进行训练、可视化和预测。然后，我们将介绍 Scikit-Learn 使用的 CART 训练算法，并探讨如何对树进行正则化并将其用于回归任务。最后，我们将讨论决策树的一些局限性。

决策树的训练和可视化

为了了解决策树，让我们构建一棵决策树，看看它是如何进行预测的。下面的代码会在虹膜数据集（参见第 4 章）上训练DecisionTreeClassifier ：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

iris = load_iris(as_frame=True)
X_iris = iris.data[["petal length (cm)", "petal width (cm)"]].values
y_iris = iris.target

tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X_iris, y_iris)

首先，您可以使用export_graphviz() 函数输出名为iris_tree.dot 的图形定义文件，将训练好的决策树可视化：

from sklearn.tree import export_graphviz

export_graphviz(
        tree_clf,
        out_file="iris_tree.dot",
        feature_names=["petal length (cm)", "petal width (cm)"],
        class_names=iris.target_names,
        rounded=True,
        filled=True
    )

然后，您可以使用graphviz.Source.from_file() 在 Jupyter 笔记本中加载和显示文件：

from graphviz import Source

Source.from_file("iris_tree.dot")

Graphviz是一款开源图形可视化软件包。它还包含一个dot 命令行工具，用于将.dot文件转换为 PDF 或 PNG 等多种格式。

第一个决策树如图 6-1 所示。

图 6-1. 虹膜决策树

进行预测

让我们来看看图 6-1中的树是如何进行预测的。假设您发现了一朵鸢尾花，并想根据它的花瓣对其进行分类。您可以从根节点（深度 0，位于顶部）开始：这个节点会询问花瓣的长度是否小于 2.45 厘米。如果是，则向下移动到根节点的左侧子节点（深度 1，左侧）。在这种情况下，它是一个叶节点