python实战+数据分析+决策树

最新推荐文章于 2024-04-21 11:40:34 发布

lhaniey

最新推荐文章于 2024-04-21 11:40:34 发布

阅读量1.5k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：算法数据分析机器学习 python 文章标签： python 数据分析决策树

本文链接：https://blog.youkuaiyun.com/lhy2239705435/article/details/89374096

本文介绍了如何运用Python的sklearn库中的DecisionTreeClassifier，通过训练集train.csv和测试集test.csv来预测泰坦尼克号乘客的生存率。在构建决策树时，选择了ID3算法，即设置criterion参数为'entropy'。文章还简述了ID3和CART决策树的区别，并展示了预测模型的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用决策树预测泰坦尼克号乘客的生存率

数据集来源：https://github.com/cystanford/Titanic_Data

主要包括两部分数据：训练集train.csv 和测试集 test.csv

运用sklearn中运用DecisionTreeClassifier 分类器来进行预测

到目前为止，sklearn 中只实现了 ID3 与 CART决策树，

在构造 DecisionTreeClassifier 类时，其中有一个参数是 criterion，意为标准。它决定了构造的分类树是采用 ID3 分类树，还是 CART分类树，对应的取值分别是 entropy 或者 gini：

entropy: 基于信息熵，也就是 ID3 算法实际结果与 C4.5 相差不大；
gini：默认参数，基.于基尼系数。CART 算法是基于基尼系数做属性划分的，所以criterion=gini 时，实际上执行的是 CART决策树

在这里创建的是 ID3 分类树。

该预测模型预测过程可用下图进行描述

# -*- coding: utf-8 -*-
"""
Created on Thu Mar 14 14:33:16 2019

@author: Administrator
"""
#利用决策树的方法预测泰坦尼克号乘客的生存率
from  sklearn.tree import DecisionTreeClassifier
import pandas as pd 
from sklearn.feature_extract