1、决策树(Decision Tree)

在本章中，我们将向您展示如何制作“决策树”。决策树是流程图，可以帮助您根据以前的经验来做出决策。

在该示例中，一个人将尝试决定是否应参加喜剧节目。

幸运的是，我们的榜样人物每次在镇上举办喜剧节目时都进行注册，并注册一些关于喜剧演员的信息，并且还注册了他/她是否去过。

现在，基于此数据集，Python可以创建决策树，该决策树可用于确定是否有任何新的演出值得参加。

2、决策树如何工作?

首先，导入所需的模块，并使用pandas读取数据集：

例如：

读取并打印数据集：

import pandas
from sklearn import tree
import pydotplus
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import matplotlib.image as pltimg

df = pandas.read_csv("shows.csv")

print(df)

要制作决策树，所有数据都必须为数字。

我们必须将非数字列“Nationality”和“Go”转换为数值。

Pandas有一个map()方法，该方法带有一个字典，其中包含有关如何转换值的信息。

{'UK': 0, 'USA': 1, 'N': 2}

表示将值“UK”转换为0，将“USA”转换为1，将“N”转换为2。

例如：

将字符串值更改为数值：

d = {'UK': 0, 'USA': 1, 'N': 2}
df['Nationality'] = df['Nationality'].map(d)
d = {'YES': 1, 'NO': 0}
df['Go'] = df['Go'].map(d)

print(df)

然后，我们必须将功能列与目标列分开。

功能列是我们尝试从中预测的列，目标列是具有我们尝试预测的值的列。

例如：

X是功能列，y是目标列：

features = ['Age', 'Experience', 'Rank', 'Nationality']

X = df[features]
y = df['Go']

print(X)
print(y)

现在，我们可以创建实际的决策树，使其适合我们的详细信息，然后将.png文件保存在计算机上：

例如：

创建决策树，将其另存为图像，然后显示该图像：

dtree = DecisionTreeClassifier()
dtree = dtree.fit(X, y)
data = tree.export_graphviz(dtree, out_file=None, feature_names=features)
graph = pydotplus.graph_from_dot_data(data)
graph.write_png('mydecisiontree.png')

img=pltimg.imread('mydecisiontree.png')
imgplot = plt.imshow(img)
plt.show()

3、结果解释

决策树使用之前的决策来计算是否愿意去看喜剧演员的几率。

让我们阅读决策树的不同方面：

Rank

Rank <= 6.5表示所有排名在6.5以下的喜剧演员都会跟随True箭(左)，其余的会跟随Fasle箭(右)。

gini = 0.497表示分割的质量，总是介于0.0和0.5之间的一个数字，其中0.0表示所有样本得到相同的结果，0.5表示分割正好在中间完成。

samples = 13意味着在这一点上还有13个喜剧演员在决定，这是他们所有人，因为这是第一步。

value = [6,7]表示这13个喜剧演员中，6个会得到"NO"，7个会得到"GO"。

Gini

有许多方法来分割样本，我们在本教程中使用GINI方法。

Gini方法使用以下公式:

Gini = 1 - (x/n)2 - (y/n)2

其中，x是肯定答案的数量（“ GO”），n是样本数量，y是否定答案的数量（“NO”），这使我们进行了计算：

1 - (7 / 13)2 - (6 / 13)2 = 0.497

下一步包含两个方框，一个方框用于“Rank”为6.5或更低的喜剧演员，另一个方框用于其余演员。

True- 5个喜剧演员在这里结束:

gini = 0.0 表示所有样本得到相同的结果。

samples = 5 表示这个分支中还剩下5名喜剧演员(5名喜剧演员，评分6.5或以下)。

value = [5, 0] 意味着5会得到"NO"和0会得到"GO"。

False-8位喜剧演员继续：

Nationality

Nationality＆lt; = 0.5表示国籍值小于0.5的喜剧演员会跟随左边的箭头(表示所有来自英国的人)，其余的会跟随右边的箭头。

gini = 0.219 意味着大约22%的样本会朝一个方向移动。

samples = 8 表示这个分支中还剩下8位喜剧演员(排名高于6.5的喜剧演员有8位)。

value = [1, 7] 这意味着在这8个喜剧演员中，1个会得到"NO" ，7个会得到"GO"。

True-4名喜剧演员继续：

Age

Age <= 35.5 这意味着年龄在35.5岁及以下的喜剧演员将遵循箭头指向左边，其余的将遵循箭头指向右边。

gini = 0.375意味着大约有37.5 %的样本会朝一个方向运动。

samples = 4 这意味着在这个分支中还剩下4个喜剧演员(4个来自英国的喜剧演员)。

value = [1, 3] 这意味着在这4个喜剧演员中，1个会得到"NO"，3个会得到"GO"。

False-4名喜剧演员到此结束：

gini = 0.0 表示所有样本得到相同的结果。

samples = 4 这意味着在这个分支中还剩下4位喜剧演员(4位不是来自英国的喜剧演员)。

value = [0, 4] 表示这4个喜剧演员中，0个会得到"NO"，4个会得到"GO"。

True-2名喜剧演员到此为止：

gini = 0.0 表示所有样本得到相同的结果。

samples = 2 表示这个分支中还剩下2位喜剧演员(2位年龄在35.5岁或以下的喜剧演员)。

value = [0, 2] 表示这两个喜剧演员中，0会得到"NO" 2会得到"GO"。

False-2名喜剧演员继续：

Experience

Experience <= 9.5这意味着9.5年或更少经验的喜剧演员会跟随箭头向左，其余的会跟随箭头向右。

gini = 0.5 意味着50%的样本会朝一个方向。

samples = 2 表示这个分支中还剩下2名喜剧演员(2名超过35.5岁的喜剧演员)。

value = [1, 1] 这意味着在这两个喜剧演员中，一个会得到"NO" ，一个会得到"GO"。

True-1名喜剧演员到此为止：

gini = 0.0 表示所有样本得到相同的结果。

samples = 1 表示该科只剩下1名喜剧演员(1名经验少于或等于9.5年的喜剧演员)。

value = [0, 1]表示0会得到"NO" 1会得到"GO"。

False-1名喜剧演员到此为止：

gini = 0.0 表示所有样本得到相同的结果。

samples = 1表示该分支只剩下1位喜剧演员(1位经验超过9.5年的喜剧演员)。

value = [1, 0] 意味着1会得到"NO" 0会得到"GO"。

4、预测值

我们可以使用决策树来预测新值。

示例：我是否应该去看一个由40岁的美国喜剧演员主演的节目，该喜剧演员有10年的工作经验，喜剧排名为7？

例如：

使用predict()方法预测新值：

print(dtree.predict([[40, 10, 7, 1]]))

例如：

如果喜剧等级为6，答案是什么？ 

print(dtree.predict([[40, 10, 6, 1]]))

不同的结果

即使运行了足够的数据，即使运行了足够多次，也会看到决策树为你提供了不同的结果，这是因为决策树无法为我们提供100％的肯定答案。 它基于结果的可能性，答案将有所不同。