zoukankan      html  css  js  c++  java
  • python选择最佳决策树参数

    # -*- coding: utf-8 -*-
    #导入数据
    import pandas as pd
    data = pd.read_csv(r'E:Pythonmachine learningowndecision_tree	est.csv')
    X = data.ix[:,0:4].values
    y = data.ix[:,4].values
    
    #设置待选的参数        
    from sklearn.tree import DecisionTreeClassifier
    from sklearn.grid_search import GridSearchCV
    from sklearn.model_selection import StratifiedKFold
    decision_tree_classifier = DecisionTreeClassifier()
    parameter_grid = {'max_depth':[1,2,3,4,5],
                      'max_features':[1,2,3,4]}
    cross_validation = StratifiedKFold(y,n_folds=10)
    
    #将不同参数带入
    gridsearch = GridSearchCV(decision_tree_classifier,
                              param_grid = parameter_grid,
                              cv = cross_validation)
    gridsearch.fit(X,y)
    
    #得分最高的参数值,并构建最佳的决策树
    best_param = gridsearch.best_params_
    best_decision_tree_classifier = DecisionTreeClassifier(max_depth=best_param['max_depth'],
                                                           max_features=best_param['max_features'])
      DecisionTreeClassfier的参数有
    1.criterion gini or entropy 2.splitter best or random 前者是在所有特征中找最好的切分点 后者是在部分特征中(数据量大的时候) 3.max_features 默认是None(所有),log2,sqrt,N 特征小于50的时候一般使用所有的 #N就是特征属性的个数 4.max_depth 数据少或者特征少的时候可以不管这个值,如果模型样本量多,特征也多的情况下,可以尝试限制下 #防止过拟合 5.min_samples_split 如果某节点的样本数少于min_samples_split,则不会继续再尝试选择最优特征来进行划分。 如果样本量不大,不需要管这个值。如果样本量数量级非常大,则推荐增大这个值。 6.min_samples_leaf 这个值限制了叶子节点最少的样本数,如果某叶子节点数目小于样本数,则会和兄弟节点一起被 剪枝,如果样本量不大,不需要管这个值,大些如10W可是尝试下5 7.min_weight_fraction_leaf 这个值限制了叶子节点所有样本权重和的最小值,如果小于这个值,则会和兄弟节点一起 被剪枝默认是0,就是不考虑权重问题。一般来说,如果我们有较多样本有缺失值, 或者分类树样本的分布类别偏差很大,就会引入样本权重,这时我们就要注意这个值了。 8.max_leaf_nodes 通过限制最大叶子节点数,可以防止过拟合,默认是"None”,即不限制最大的叶子节点数。 如果加了限制,算法会建立在最大叶子节点数内最优的决策树。 如果特征不多,可以不考虑这个值,但是如果特征分成多的话,可以加以限制 具体的值可以通过交叉验证得到。 9.class_weight 指定样本各类别的的权重,主要是为了防止训练集某些类别的样本过多 导致训练的决策树过于偏向这些类别。这里可以自己指定各个样本的权重 如果使用“balanced”,则算法会自己计算权重,样本量少的类别所对应的样本权重会高。 10.min_impurity_split 这个值限制了决策树的增长,如果某节点的不纯度 (基尼系数,信息增益,均方差,绝对差)小于这个阈值 则该节点不再生成子节点。即为叶子节点 。

    注:学习的网易云课堂的Python数据分析(机器学习)经典案例,每个案例会教你数据预处理、画图和模型优化。比有些简单调个包跑一下的课程负责任的多。

  • 相关阅读:
    BZOJ 2034 【2009国家集训队】 最大收益
    vijos P1780 【NOIP2012】 开车旅行
    BZOJ 2115 【WC2011】 Xor
    BZOJ 3631 【JLOI2014】 松鼠的新家
    BZOJ 4717 改装
    BZOJ 2957 楼房重建
    BZOJ 4034 【HAOI2015】 T2
    BZOJ 1834 【ZJOI2010】 network 网络扩容
    BZOJ 2440 【中山市选2011】 完全平方数
    BZOJ 2733 【HNOI2012】 永无乡
  • 原文地址:https://www.cnblogs.com/chenyaling/p/7236435.html
Copyright © 2011-2022 走看看