首页 > 编程语言 >决策树回归算法原理及Python实践

决策树回归算法原理及Python实践

时间:2024-09-06 22:24:32浏览次数:16  
标签:预测 Python 划分 算法 test sorted 节点 决策树

决策树回归算法(Decision Tree Regression)是一种常用的机器学习算法,用于预测连续型变量的取值。其原理基于树结构对数据进行建模和预测,通过将数据集划分为不同的区域,并在每个区域内预测一个常数值来实现回归任务。以下是决策树回归算法原理的详细解释:

一、基本原理

  1. 树结构

    • 决策树由节点(node)和边(edge)组成。每个内部节点表示一个属性/特征,每个叶节点表示一个输出值(对于回归问题,这个输出值通常是该区域内所有样本目标变量的均值)。
    • 数据从根节点开始,根据节点的特征值沿着树向下遍历,直到达到叶节点,该叶节点的值即为预测结果。
  2. 构建过程

    • 决策树的构建是一个递归的过程,它通过选择最佳的属性/特征来进行数据划分,使得划分后子集的输出值尽可能接近真实值。
    • 选择最佳划分属性/特征通常通过某种指标(如信息增益、基尼系数、最小二乘法等)来实现。对于回归问题,常用的指标是最小化平方误差。
    • 划分数据集:根据选择的属性/特征将数据集划分为多个子集。
    • 递归构建子树:对每个子集递归地应用上述步骤,直到满足停止条件(如达到最大深度、节点中样本数量小于阈值、划分后的平方误差不再显著减小等)。
  3. 预测过程

    • 在预测阶段,决策树通过将输入样本沿着树的路径进行遍历,并最终到达叶节点,然后将该叶节点的输出值作为预测结果。

二、核心问题

  1. 划分点选择

    • 对于回归问题,划分点的选择旨在最小化划分后子集的平方误差。这通常通过遍历所有可能的划分点,并计算划分后的平方误差来实现。
    • 选择使平方误差最小的划分点作为最优划分点。
  2. 输出值确定

    • 在每个划分单元(即叶节点)内,输出值通常取该单元内所有样本目标变量的均值。这是因为均值能够最小化该单元内的平方误差。

三、优缺点

  • 优点

    • 易于理解和解释,模型可解释性强。
    • 能够处理非线性关系。
    • 不需要对数据进行复杂的预处理。
  • 缺点

    • 容易过拟合,特别是当树的结构过于复杂时。
    • 对异常值较为敏感。
    • 在某些情况下,可能不如其他回归算法(如线性回归、随机森林等)准确。

四、应用场景

决策树回归算法广泛应用于各种需要预测连续型变量取值的场景,如房价预测、股票价格预测、销售额预测等。通过构建决策树模型,可以实现对这些连续型变量的有效预测和分析。

五、Python实践

在Python中,我们可以使用scikit-learn库来实现决策树回归算法。以下是一个简单的示例,展示了如何使用scikit-learn中的DecisionTreeRegressor类来训练一个决策树回归模型,并对其进行测试。

首先,确保你已经安装了scikit-learn。如果没有安装,可以通过pip安装:

pip install scikit-learn

然后,你可以按照以下步骤编写代码:

# 导入必要的库
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_squared_error
import numpy as np

# 生成模拟数据
X, y = make_regression(n_samples=100, n_features=1, noise=0.1, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建决策树回归模型
# 这里我们设置max_depth=3,即树的最大深度为3,以避免过拟合
dt_regressor = DecisionTreeRegressor(max_depth=3)

# 训练模型
dt_regressor.fit(X_train, y_train)

# 进行预测
y_pred = dt_regressor.predict(X_test)

# 计算并打印均方误差(MSE)
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

# 可选:绘制结果
import matplotlib.pyplot as plt

# 将测试集和预测结果排序,以便更好地绘制图像
sorted_indices = np.argsort(X_test)
sorted_X_test = X_test[sorted_indices]
sorted_y_pred = y_pred[sorted_indices]
sorted_y_test = y_test[sorted_indices]

plt.scatter(sorted_X_test, sorted_y_test, color='green', label='Test data')
plt.plot(sorted_X_test, sorted_y_pred, color='red', label='Decision Tree regression predictions')
plt.xlabel('Feature')
plt.ylabel('Target')
plt.title('Decision Tree Regression')
plt.legend()
plt.show()

在这个示例中,我们首先使用make_regression函数生成了一个简单的回归数据集,其中包含100个样本,每个样本有1个特征,并且添加了一些噪声。然后,我们将数据集划分为训练集和测试集,其中测试集占总数据的20%。

接下来,我们创建了一个DecisionTreeRegressor对象,并设置了树的最大深度为3,以避免模型过拟合。然后,我们使用训练集数据来训练模型,并使用测试集数据来评估模型的性能。我们通过计算均方误差(MSE)来评估模型的性能。

最后,我们使用matplotlib库来绘制测试数据点和决策树回归预测结果的图像,以便直观地查看模型的性能。注意,在绘制图像之前,我们将测试集和预测结果按照特征值进行了排序,以便更好地展示模型的预测趋势。

请注意,由于我们使用的是模拟数据,并且添加了噪声,因此模型的性能(即MSE)可能会因每次运行代码时生成的随机数据而有所不同。此外,你可以通过调整DecisionTreeRegressor中的参数(如max_depthmin_samples_splitmin_samples_leaf等)来优化模型的性能。

标签:预测,Python,划分,算法,test,sorted,节点,决策树
From: https://blog.csdn.net/u013571432/article/details/141971778

相关文章

  • Python中的`super()`函数:解锁面向对象编程的高级技巧
    引言在面向对象的世界中,继承是一个非常重要的概念。通过继承,我们可以创建新的类来复用现有类的功能,同时还可以根据需求添加或修改功能。然而,在复杂的继承体系中,正确地调用基类的方法变得尤为重要。super()函数正是为此而生,它提供了一种简洁有效的方式来处理这类问题。本文将带你深......
  • Python课程设计--基于Python实现点菜系统
    1.课程设计目的《软件设计基础-Python》课程设计是这门课程的实践性教学环节之一,本次设计结合实际应用的要求,使课程设计既覆盖Python的知识点,又接近工程实际需要。目的是通过课程设计的综合训练,培养学生实际分析问题、解决问题的能力,以及编程和动手能力,最终目标是通过课程设......
  • Python中的方法重写与多态:解锁编程的无限可能
    在编程的世界里,灵活性与扩展性往往是衡量一个语言是否强大、易于维护的关键指标。Python,作为一种被广泛使用的高级编程语言,不仅以其简洁易读的语法赢得了众多开发者的喜爱,更因其支持多种面向对象特性而备受青睐。其中,“方法重写”与“多态”便是两个核心概念,它们不仅能够极......
  • Python中的方法重写与多态:解锁编程的无限可能
    在编程的世界里,灵活性与扩展性往往是衡量一个语言是否强大、易于维护的关键指标。Python,作为一种被广泛使用的高级编程语言,不仅以其简洁易读的语法赢得了众多开发者的喜爱,更因其支持多种面向对象特性而备受青睐。其中,“方法重写”与“多态”便是两个核心概念,它们不仅能够极大地提高......
  • 【数据结构和算法实践-位运算-找出数组中出现K次的数,其他数出现M次】
    位运算-找出数组中出现K次的数,其他数出现M次题目MyThought代码示例JAVA-8题目一个数组中,一个数出现了K次,另外其他的数出现了M次,找出出现K次的数MyThought一、设置一个长度为32的int[]temp,把arr中的每个数都变成2进制,放入temp中1、设置长度为32的int数组2......
  • RAG与LLM原理及实践(14)---RAG Python 前端构建技术Flask
    目录背景Flask简介     Flask的特点flask安装Flaskpythonserver端处理app资源映射router概念Flask客户端处理Jinja2 概述具体语法实例python后端 代码前端相关代码代码解释运行check启动日志背景本专栏之前的文章都在描述RAG后台的......
  • 数据结构与算法 第10天(图的应用)
    一、最小生成树生成树:所有顶点均由边连接在一起,但不存在回路一个图可以有多颗不同的生成树 生成树特点:生成树的顶点个数与图的顶点个数相同;生成树是图的极小连通子图,去掉一条边则非连通,一个有n个顶点的连通图的生成树有n-1条边;在生成树中再加一条边必然形成回路,......
  • Python pywin32(win32com)复制和删除幻灯片页面
    #自动添加幻灯片defduplicate_slides(_path_template,_path_dest,_slide_nums,_index=SLIDE_START_PAGE):"""输入参数::param_path_template:PPT模板文件全路径:param_index:PPT母版业起始索引。索引从1开始。:param_slide_nums:将要复制的PP......
  • 828华为云征文|华为云Flexus X实例部署安装HivisionIDPhoto一个轻量级的AI证件照制作算
    背景最近有一个开源项目非常火,就是HivisionIDPhotos一个轻量级的AI证件照制作算法github仓库https://github.com/Zeyi-Lin/HivisionIDPhotos由于最近华为云最近正在举办B2B企业节,FlexusX实例的促销力度非常大。所以购买了一个FlexusX实例。4核12G。准备安装一个,试一......
  • python 错误提示 DeprecationWarning: find_element_by_* commands are deprecated. P
    DeprecationWarning:find_element_by_*commandsaredeprecated.Pleaseusefind_element()insteadfromselenium.webdriver.common.byimportBydriver=webdriver.Chrome("chromedriver.exe")#driver.find_element_by_name("NAME")driver.find_......