决策树-随机森林-预测5年内皮马印第安人糖尿病发作的概率-机器学习实验一_pima-indias-diabets.csv

文末也可直接获取实验文档以及相关数据代码
实验目的
（1）掌握决策树算法及应用；
（2）掌握集成学习方法，包括随机森林。
一、 数据说明： Pima Indians Diabetes Data Set（皮马印第安人糖尿病数据集） 根据现有的医疗信息预测5年内皮马印第安人糖尿病发作的概率。

1. 文件说明
   pima-indians-diabetes.csv：数据文件
2. 字段说明
   数据集共9个字段:
   pregnants：怀孕次数
   Plasma_glucose_concentration：口服葡萄糖耐量试验中2小时后的血浆葡萄糖浓度
   blood_pressure：舒张压，单位:mm Hg
   Triceps_skin_fold_thickness：三头肌皮褶厚度，单位：mm
   serum_insulin：餐后血清胰岛素，单位:mm
   BMI：体重指数（体重（公斤）/ 身高（米）^2）
   Diabetes_pedigree_function：糖尿病家系作用
   Age：年龄
   Target：标签， 0表示不发病，1表示发病

二、实验标准

（1）实验采用10折交叉验证，使用正确率、精确率和召回率作为评价标准；

（2）采用决策树方法及随机森林分别进行实验，实验结果需明确体现；

（3）实验报告中需体现决策树的结构；

（3）在实验过程中进行参数调优，包括但不限于树的深度等，实验结果需体现相关对比。

1、 导入试验所要的包

2、 加载数据集，X为特征，y为标签。

3、 定义决策树模型，采用10折交叉验证。

4、 将树结构可视化，会输出一个树结构的pdf.

5、 输出平均正确率、平均精确率、平均召回率。1

6、 在10折交叉验证中决策树与随机森林正确率比较。

7，探究探究决策树的深度与过拟合之间的关系

7、 探究随机森林基分类器的个数与过拟合的关系

总结：在实验过程中，我基本上了解了决策树的算法和集成学习方法，包括随机森林，并用他们进行了应用。
实际感受到决策树的原理，理解了决策树的学习是采用自顶向下的递归的方法，基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子节点处熵值为0。而随机森林，可以解决决策树泛化能力弱的缺点，会比决策树的模型表现的好。

关注公众号：Time木
回复：决策树
可获得相关代码，数据，文档
更多大学课业实验实训可关注公众号回复相关关键词
学艺不精，若有错误还望指点