决策树学习--基于豆包、kimiai

根据与豆包和kimi的对话，进行决策树的简单应用；

在使用决策树模型时，绘图通常指的是可视化决策树结构。这种可视化可以帮助我们理解模型是如何做出预测的，以及各个特征在决策过程中的重要性。在scikit-learn中，可以使用plot_tree函数来绘制决策树。以下是绘制决策树后常见的指标及其含义：

1. 节点：决策树的每个节点代表一个特征判断，通常是“是”或“否”的决策。

2. 分裂条件：节点上的条件表示数据如何分裂到下一个节点。例如，X[1] <= 0.5表示如果特征1的值小于或等于0.5，则走左边的分支。

3. 样本数：每个节点中的样本数，表示该节点包含的数据点数量。samples=xxxx

4. 值：每个节点中各类别的样本数量，通常以列表形式表示，列表中的每个元素对应一个类别的样本数。value=[xxxxxx,xxx]

5. 类：多数表决的结果，即该节点上样本最多的类别。class = 0 或者 1 

6. 特征：用于分裂的特征名称，表示该节点是根据哪个特征进行分裂的。

7. 阈值：用于分裂的阈值，表示特征值大于或小于该阈值将走向不同的分支。

8. 样本纯度：节点的纯度，通常用基尼不纯度（Gini Impurity）或信息增益（Information Gain）来衡量。基尼不纯度接近0表示节点内样本类别非常一致，信息增益越大表示特征对分类越重要。

9. 节点深度：从根节点到当前节点的路径长度，根节点的深度为0。

10. 叶节点：没有子节点的节点，表示最终的决策结果。

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
import matplotlib.pyplot as plt
from sklearn.tree import plot_tree

# 读取Excel文件，这里假设文件名为data.xlsx，且第一行为表头，数据中最后一列是目标标签列

file_path = 'E:/xx/order_info.xlsx'
df = pd.read_excel(file_path)
print(df.head())


# 分离特征和标签，除最后一列外的其他列作为特征（X），最后一列作为标签（y）
X = df.iloc[:, 2:-1]
y = df.iloc[:, -1]


# 划分训练集和测试集，test_size表示测试集占比，random_state是随机种子，保证可复现性
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

#X.describe()

# 创建决策树分类器对象，你可以调整参数，例如max_depth控制树的最大深度等
clf = DecisionTreeClassifier(max_depth=3)

# 使用训练集数据进行模型训练
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算准确率评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)


# 输出分类报告
print("分类报告:")
print(classification_report(y_test, y_pred))

# 输出混淆矩阵
print("混淆矩阵:")
print(confusion_matrix(y_test, y_pred))

# 可视化决策树，需要安装graphviz软件并配置好环境变量（可选步骤，如果想可视化的话）
plt.figure(figsize=(12, 8))
plot_tree(clf, filled=True, feature_names=X.columns, class_names=['0', '1'])
plt.show()