Python机器学习之决策树分类_python调用决策树分类器‘

#机器学习之决策树分类
#导入所需的库
import pandas as pd
import numpy as np
from imblearn.over_sampling import SMOTE
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
 
#读取文件
dataset=pd.read_csv(r"H:/Code_Test/Python/data.csv")
 
#选择数据 x为除最后一列的所有数据 y为最后一列数据
x=dataset.iloc[:,:-1].values
y=dataset.iloc[:,-1].values
 
#使用SMOTE算法采样
sm=SMOTE()
x_data,y_data=sm.fit_resample(x,y)
 
#设置训练集和测试集
x_train,x_test,y_train,y_test=train_test_split(x_data,y_data,test_size=0.2,random_state=11)
 
#设置分类器 其中1和0表示不同的分类标签 
d1=DecisionTreeClassifier(criterion='entropy',max_depth=5)
d1.fit(x_train,y_train)
 
#预测结果
y_pred=d1.predict(x_test)
print(y_pred)
 
#评价结果80.48780487804879
from sklearn.metrics import accuracy_score
ac=accuracy_score(y_test,y_pred)*100
 
print(ac)

代码使用了imblearn包中的SMOTE算法来对数据进行过采样。SMOTE代表合成少数类过采样技术，是解决机器学习中不平衡数据的常用技术之一。

fit_resample()方法用于对数据进行过采样。它接受两个参数：x和y，分别代表特征矩阵和目标变量。fit_resample()方法返回两个数组，x_data和y_data，分别表示过采样后的特征矩阵和目标变量。

决策树分类器对象，其中包含了两个参数：criterion和max_depth。

criterion参数用于设置划分节点的质量度量准则，这里设置为熵（Entropy）。熵是衡量数据集纯度的一种指标，用于衡量样本的不确定性，当熵越高时，数据集的不确定性也越高，反之亦然。

max_depth参数用于设置决策树的最大深度，即从根节点到叶节点的最长路径长度。设置最大深度是为了避免过拟合，当决策树的深度达到最大深度时，算法就会停止分裂，这样可以减少模型复杂度，提高模型的泛化能力。

在二分类问题中，通常用1和0来表示不同的分类标签。

通常情况下，我们将1作为"正例"或"阳性"的标签，代表模型预测的是该样本属于某种类别或事件发生的可能性很高。

而0则通常被作为"负例"或"阴性"的标签，代表模型预测的是该样本不属于某种类别或事件发生的可能性很低。