0
点赞
收藏
分享

微信扫一扫

Python在Scikit-Learn可视化随机森林中的决策树分析房价数据


随机森林是决策树的集合。在这篇文章中,我将向您展示如何从随机森林中可视化决策树。

首先让我们在房价数据集上训练随机森林模型。

加载数据并训练随机森林。

X = pd.DataFrame(data, columns=feature_names)

让我们将森林中的树数设置为 100:

RandomForestRegressor(n_estimators=100)

决策树存储在 模型​​list​​​ 中的 ​​estimators_​​​ 属性中 ​​rf​​​ 。我们可以检查列表的长度,它应该等于 ​​n_estiamtors​​ 值。

len(estimators_)

>>> 100

我们可以从随机森林中绘制第一棵决策树( ​​0​​ 列表中有索引):

plot_tree(rf.estimators_[0])

Python在Scikit-Learn可视化随机森林中的决策树分析房价数据_随机森林

这棵树太大,无法在一个图中将其可视化。

让我们检查随机森林中第一棵树的深度:

tree_.max_depth

>>> 16

我们的第一棵树有 ​​max_depth=16​​​. 其他树也有类似的深度。为了使可视化具有可读性,最好限制树的深度。让我们再次训练随机森林 ​​max_depth=3​​。

第一个决策树的可视化图:

plot_tree(rf.estimators_[0])

Python在Scikit-Learn可视化随机森林中的决策树分析房价数据_python_02

我们可以可视化第一个决策树:

viz

Python在Scikit-Learn可视化随机森林中的决策树分析房价数据_python_03

概括

我将向您展示如何可视化随机森林中的单个决策树。可以通过 ​​estimators_​​​ 列表中的整数索引访问树。有时当树太深时,值得用 ​​max_depth​​ 超参数限制树的深度。 

Python在Scikit-Learn可视化随机森林中的决策树分析房价数据_python_04

最受欢迎的见解

1.​​PYTHON用户流失数据挖掘:建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯模型和KMEANS聚类用户画像​​

2.​​R语言基于树的方法:决策树,随机森林​​

3.​​python中使用scikit-learn和pandas决策树​​

4.​​机器学习:在SAS中运行随机森林数据分析报告​​

5.​​R语言用随机森林和文本挖掘提高航空公司客户满意度​​

6.​​机器学习助推快时尚精准销售时间序列​​

7.​​用机器学习识别不断变化的股市状况——隐马尔可夫模型的应用​​

8.​​python机器学习:推荐系统实现(以矩阵分解来协同过滤)​​

9.​​python中用pytorch机器学习分类预测银行客户流失​​



举报

相关推荐

0 条评论