Decision Tree Regression

标签：代码   src   show   有一个   cal   strong   sha   ref   amp   

Decision Tree Regression

Decision Tree Intuition

有两种决策树模型，一种是Classification另一种是Regression，两种决策树原理不同，这次主要学的是后者。

说的简单通俗一些，Decision Tree就是将数据切根据特征值切分成不同的区域，如果一个需要预测的数据掉在了某个区域里，就取一个区域中所有数据的平均值作为模型的预测值。

虽然讲起来很简单，但是运算的原理还是很高深的，这里先不深入，等我深入学习了statistical learning modle后再来update。

python

建立模型

现在已经逐渐习惯了python的回归模型建模，都是从sklearn的某个module中导入对应的class然后创建一个regressor instance，最后fit()到训练集上，回归模型就算创建完毕了。

建立Decision Tree需要用到的是sklearn.tree中的DecisionTreeRegressor class。

1
2
3

from sklearn.tree import DecisionTreeRegressor
regressor = DecisionTreeRegressor(random_state = 0)
regressor.fit(X, y)

可视化

和之前差不多，绘制Decision Tree模型是先把数据用散点图绘制出来，然后再把预测值画出来加到图上用线段表示作为模型。Decision Tree模型在一维的时候呈现出阶梯的形状。

1
2
3
4
5
6
7
8

X_grid = np.arange(min(X.values), max(X.values), 0.01)
X_grid = X_grid.reshape((len(X_grid), 1))
plt.scatter(X, y, color = 'red')
plt.plot(X_grid, regressor.predict(X_grid), color = 'blue')
plt.title('Truth or Bluff (Decision Tree Regression Model)')
plt.xlabel('Position level')
plt.ylabel('Salary')

Decision Tree可视化的问题

我们绘制之前的线性模型的时候只要用下列代码就可以了

1
2
3
4
5
6
7

# Visualising the Decision Tree Regression results
plt.scatter(X, y, color = 'red')
plt.plot(X, regressor.predict(X), color = 'blue')
plt.title('Truth or Bluff (Regression Model)')
plt.xlabel('Position level')
plt.ylabel('Salary')
plt.show()

发现得到的图表中Decision Tree是一条连续的倾斜的线。这不符合Decision Tree模型预测值，Decision Tree是在某一个区域内（在这个数据集中，因为特征值只有一个维度，就是在X上取不同的区间）然后取该区域的平均值作为所有点的预测值。但是图上却不是这样，在一个区域内的预测值是不同的。

这个问题的原因所在就是我们只画了1到10的十个点的预测值，不同的点之间并没有点绘制出来，matplotlib只能用线段将两个点连起来，所以就出现了倾斜的线。这种模型与之前的两种模型都不同，既不是Linear也不是Continuous，是Non-Linear & Non-continous模型。

对症下药，解决这个问题的方法就是将更多的点绘制出来，所以新建一个数列，把数据间隔变小，有更多的中间值，这样绘制出来才能看到正确的Decision Tree模型。

原文:大专栏  Decision Tree Regression

Decision Tree Regression

标签：代码   src   show   有一个   cal   strong   sha   ref   amp   

原文地址：https://www.cnblogs.com/wangziqiang123/p/11632139.html