【机器学习算法】——决策树：CART

理论

CART全称叫Classification and Regression Tree，即分类与回归树。CART假设决策树是二叉树，内部结点特征的取值只有“是”和“否”，左分支是取值为“是”的分支，有分支则相反。这样的决策树等价于递归地二分每个特征。
CART分类回归树可以做分类或者回归。

• 如果待预测结果是离散型数据，则CART生成分类决策树；
• 如果待预测结果是连续型数据，则CART生成回归决策树。
  CART分类树使用==基尼指数(gini)==作为节点划分依据。
  CART决策树的生成就是递归地构建二叉决策树的过程，对回归树用平方误差最小化准则，对分类树用基尼指数最小化准则，进行特征选择，生成二叉树。
  简而言之：选取Gini指数最小的分支属性作为根节点的分支属性！！！
  学习视频：【【五分钟机器学习】可视化的决策过程：决策树 Decision Tree】

sklearn 库实现

1. 安装库文件，用于生成二叉树的图：
   pip install graphviz

2. 下载graphviz安装包进行本地安装：参考学习

3. 重启pycharm。

4. 写代码：
   决策树需要从`from sklearn import tree’导入

clf = tree.DecisionTreeClassifier(criterion='gini', max_depth=3)#cart模型
# 使用特征数据和标签数据训练决策树模型
result = clf.fit(X, Y)

这两行是构建CART模型的关键代码，分裂标准是‘gini’指数，可以改变树的不同深度。

完整代码

import numpy as np  # 导入numpy库
import random  # 导入random库
from sklearn import tree  # 从sklearn库中导入决策树模块
from sklearn.linear_model import LinearRegression
from graphviz import Source  # 从graphviz库中导入Source类#1. 准备数据集
np.random.seed(42)  # 设置numpy的随机数生成器的种子
X = np.random.randint(10, size=(100, 4))  # 生成一个100行4列的随机整数数组(>=10)，作为特征数据
Y = np.random.randint(2, size=100)  # 生成一个包含100个元素的随机整数数组(>=2)，作为标签数据
a = np.column_stack((Y, X))  # 将标签和特征数据垂直堆叠
print(a.size)
print(a)#2. 模型训练
# 创建决策树分类器，使用基尼系数作为分裂准则，最大深度为3
clf = tree.DecisionTreeClassifier(criterion='gini', max_depth=3)#cart模型
# 使用特征数据和标签数据训练决策树模型
result = clf.fit(X, Y)# 3. 可视化
# 将训练好的决策树模型导出为Graphviz格式的源代码，并创建Source对象
# result1 = tree.export_graphviz(result, out_file=None)
# graph = Source(result1)
graph = Source(tree.export_graphviz(result,out_file=None))
# 设置生成的图像格式为PNG
graph.format = 'png'
# 将Source对象渲染为PNG图像，并自动打开查看
graph.render('cart_tree', view=True)