• Ersetzen Sie Daten für Variablen im Entscheidungsbaummodell ・ Vorhersage von Testdaten basierend auf dem Entscheidungsbaummodell

Trainieren

Ich werde den eigentlichen Code setzen.

① Grundlegende Analyse Importieren wir zunächst die Bibliothek, die zum Erstellen eines Entscheidungsbaummodells erforderlich ist.

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline

from sklearn.tree import DecisionTreeClassifier as DT
from sklearn.tree import export_graphviz
import pydotplus
from IPython.display import Image

Verwenden Sie dann die Pandas-Bibliothek, um die Daten zu laden und die grundlegenden Statistiken nachzuschlagen

train = pd.read_csv("train.csv") #Ersetzung früherer Daten
test = pd.read_csv("test.csv") #Substitution von Prognosedaten
sample = pd.read_csv("submit_sample.csv",header=None)

train.describe() #Bestätigung der Basisstatistik vergangener Daten
test.describe() #Überprüfen Sie auch die Prognosedaten

Als nächstes überprüfen wir den defekten Bereich

train.isnull().sum()
test.isnull().sum()

Als nächstes werden wir Kreuztabellen machen. Eine Kreuztabelle ist eine Tabelle, die die numerische Beziehung zwischen Daten in einer Spalte und Daten in einer anderen Spalte zeigt. Der Code sieht folgendermaßen aus:

#Die Kreuztabellenfunktion kann für die Kreuztabelle verwendet werden. Die Option Ränder gibt auch den Gesamtwert aus
pd.crosstab(train["Spaltenname"],train["Spaltenname"],margins=True) 

Als nächstes kommt Binning. Beim Binning wird berechnet, wie viele Zahlen sich in einem bestimmten Abschnitt befinden. Das Bild ist wie die Beziehung zwischen der Klasse des Histogramms und der Frequenz.

#Teilen Sie die Spaltendaten des ersten Arguments durch den numerischen Wert des zweiten Arguments.
bining_data = pd.cut(train["Spaltenname"],[1,10,20,30,50,100])

② Erstellung eines Entscheidungsbaummodells Entscheiden Sie zunächst, welchen Parameter Sie verwenden möchten. Weisen wir diesen Parameter dann einer Variablen zu. Die iloc-Funktion ist praktisch, wenn Sie mehrere Zeilen und mehrere Spalten zuweisen möchten.

#Alle Zeilen und Spalten werden aus der 0. bis 17. Zeile extrahiert.
trainX = train.iloc[:,0:17]
y = train["Objektive Variable"]
#Die Kopierfunktion extrahiert alle Spalten
testX = test.copy()

Als nächstes lassen Sie uns die extrahierten Daten dummy.

trainX = pd.get_dummies(trainX)
testX = pd.get_dummies(testX)

Und bereiten wir die Variablen vor, um das Entscheidungsbaummodell zu erstellen

#Das erste Argument ist die Tiefe des Blattes, das zweite Argument ist der Mindestwert der Stichprobe
clf1 = DT(max_depth=2,min_samples_leaf=500)

Lassen Sie uns frühere Daten ersetzen

#Stellen Sie sicher, dass Sie die erklärende Variable zuweisen
clf1 = clf1.fit(trainX,y)

Als nächstes möchte ich es auf Jupiter anzeigen, aber da es direkt angezeigt werden kann, schreibe ich es in eine Punktdatei und zeige es dann an.

export_graphviz(clf1, out_file="tree.dot", feature_names=trainX.columns, class_names=["0","1"], filled=True, rounded=True)
g = pydotplus.graph_from_dot_file(path="tree.dot")
Image(g.create_png())

Nun, ich werde es endlich vorhersagen. Dieses Mal verwenden wir die Funktion predit_proba </ b> anstelle der Vorhersagefunktion, da es sich eher um eine Klassifizierung als um eine Regression handelt.

pred = clf1.predict_proba(testX)