决策树
决策树是一种树结构（二叉树或非二叉树），每个非叶子节点代表对一个特征的测试，每个分支代表这个特征在一定取值范围内的输出，每个叶子节点存储一个类别.使用决策树进行决策的过程是从损失节点开始，观察待分类项目中对应的特征，根据其值选择输出分支，直到到达叶子节点，然后使用类别作为决策结果存储在叶节点中。
决策树模型通过对训练样本的学习建立分类规则，然后根据分类规则对新的样本数据进行分类和预测。决策树是最常用的数据挖掘算法，其主要优点是；
1.易于理解和实现。不需要使用者了解很多的背景知识，其通过决策树就能够直观形象地了解规则。
2.决策树能够同时处理数值型和非数值型数据，能够在相对较短的时间内对大型数据源做出可行且效果良好的预测。
DecisionTreeClassifier函数
在sklearn模块中，使用DecisionTreeClassifier函数进行决策树建模，常用参数如下：
sklearn.tree.DecisionTreeClassifier(critreion = ‘gini’,max_depth = None,max_leaf_nodes = None)
| 参数 | 说明 |
|---|---|
| criterion | 特征分裂依据指标，默认为gini，可以选择信息熵entory |
| max_depth | 树的最大深度，默认分裂到最细粒度的树结构 |
| max_leaf_nodes | 树的最大叶子节点个数，默认分裂到最细粒度的树结构 |
网格搜索：
它是一种通过迭代给定的参数组合来优化模型性能的方法。网格搜索从一组候选参数中选择一系列参数，并将它们组合起来，得到一个候选参数列表。然后遍历参数列表，将候选参数放入模型中，计算参数组合的得分。然后，从候选参数列表中，选择得分最高的参数作为模型的最优参数。
GridSearchCV函数
在sklearn模块中，使用GridSearchCV函数进行网格搜索，通过交叉验证进行评分。
常用参数
sklearn.model_selection.GridSearchCV(estimator,param_grid,scoring = None,cv = 3,verbose = 0,return_train_score = False,n_jobs = 1)
| 参数 | 说明 |
|---|---|
| estmator | 要评估的模型 |
| param_grid | 参数字典，参数名为key，候选参数列表为value |
| scoring | 评估指标，默认调用estimator.score()函数进行评估 |
| cv | k折交叉验证的次数 |
| verbose | 执行过程中调试信息的等级，等级越高，输出信息越多 |
| return_train_score | 是否返回训练得分，默认为False，一般需要设置为True |
| n_jobs | 并行运行的模型数，默认为1，可以根据cpu数量设置 |
下面用具体的示例代码来实现。
部分数据如下：
导入对应的实例数据：
import pandas as pd
data = pd.read_csv(
'../form/决策树.csv',encoding = 'gbk')
#encoding根据自己文件的编码类型设置，主要的有utf-8,ANSI,gbk等
执行字面量 one-hot 编码转换：
from sklearn.preprocessing import OneHotEncoder
oneHotColumns = ['性别','父母鼓励']
#需要进行独热处理的列
oneHotEncoder = OneHotEncoder(drop = 'first')
#新建独热编码器
oneHotEncoder.fit(data[oneHotColumns])
#训练独热编码器，得到转换规则
oneHotData = oneHotEncoder.transform(data[oneHotColumns])
#转换数据
合并转换后的数据：
from scipy.sparse import hstack
x= hstack([
oneHotData,
data.父母收入.values.reshape(-1,1),
data.IQ.values.reshape(-1,1)
])
y = data['升学计划']
进行网格搜索以找到最佳参数：
from sklearn.model_selection import GridSearchCV
from sklearn.tree import DecisionTreeClassifier
paramGride = dict(
max_depth = [1,2,3,4,5],
max_leaf_nodes = [3,5,6,7,8],)
#网格搜索，寻找最优参数
dtModel = DecisionTreeClassifier()
#新建决策树模型
grid = GridSearchCV(
dtModel,paramGride,cv = 10,return_train_score = True)
grid = grid.fit(x,y)
#训练模型
输出：
print('best_score：%f'% grid.best_score_)
print('最好的参数:')
for key in grid.best_params_.keys():
print('%s = %s'%(key,grid.best_params_[key]))
运行代码：
结果显示，最优参数为max_depth =4,max_leaf_nodes = 7
文章出处登录后可见！
