Python與機器學(xué)習(xí)（第2版）（微課版） 課件 4-04-決策樹分類任務(wù)實施

主講人：陳清華決策樹分類分析任務(wù)實施【數(shù)據(jù)挖掘應(yīng)用】課程性別分類分析熟練使用sklearn第三方包實現(xiàn)機器學(xué)習(xí)算法應(yīng)用；會應(yīng)用決策樹算法實現(xiàn)分類分析；會使用DecisionTreeClassifier()對性別進行分類分析與預(yù)測應(yīng)用。能力目標主要內(nèi)容任務(wù)工單引導(dǎo)問題任務(wù)評價標準任務(wù)解決方案代碼解析使用決策樹實現(xiàn)性別分類hw.csv教學(xué)難點任務(wù)工單決策樹能夠從一系列有特征有標簽的數(shù)據(jù)中總結(jié)出決策規(guī)則，并用樹狀圖的結(jié)構(gòu)來呈現(xiàn)這些規(guī)則，以解決分類和回歸問題?，F(xiàn)基于前續(xù)任務(wù)得到數(shù)據(jù)，使用決策樹算法實現(xiàn)性別判定，并區(qū)分三個算法的異同。任務(wù)概述

任務(wù)描述：基于身高、體重數(shù)據(jù)使用決策樹實現(xiàn)分類分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010數(shù)據(jù)源hw.csv及前續(xù)結(jié)果顯示結(jié)果

任務(wù)要求任務(wù)概述（1）決策樹如何用來做性別判定？結(jié)合其中原理，試畫一種簡單的決策樹結(jié)構(gòu)。（2）決策樹在sklearn中是如何實現(xiàn)分類的？與決策樹有關(guān)的模塊有哪些？（3）試比較不同決策樹實現(xiàn)方法的異同？說明DecisionTreeClassifier的適用范圍。（4）DecisionTreeRegressor有何用處？可以解決什么問題？（5）比較決策樹分類算法與前述兩種不同分類方法的優(yōu)劣，其優(yōu)勢體現(xiàn)在哪里？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評價：任務(wù)概述評價內(nèi)容評價要點分值分數(shù)評定自我評價1.任務(wù)實施模型初始化3分導(dǎo)入正確得1分，模型選用正確得1分，模型構(gòu)建正確得1分

模型訓(xùn)練2分數(shù)據(jù)有切分訓(xùn)練得1分模型訓(xùn)練順利執(zhí)行得1分

模型可視化1分模型可視化實現(xiàn)得1分

2.效果評估模型評估報告展現(xiàn)3分會得出模型評估報告得1分，能準確解釋各個指標的含義得1分，模型準確率90%以上得1分

3.任務(wù)總結(jié)依據(jù)任務(wù)實施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點要點得1分，能有效比較三種方法的異同得1分

合計10分

任務(wù)解決方案核心部分代碼：模型訓(xùn)練

fromsklearn.treeimportDecisionTreeClassifier#建立決策樹模型classifier=DecisionTreeClassifier()#數(shù)據(jù)訓(xùn)練classifier.fit(X,Y.values.ravel())任務(wù)解決方案核心部分代碼：模型評估fromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportclassification_report#切分數(shù)據(jù)集x_train,x_test,y_train,y_test=train_test_split(X,Y,train_size=0.7,test_size=0.3)classifier=DecisionTreeClassifier()classifier.fit(x_train,y_train.values.ravel())y_predict=classifier.predict(x_test)print(classification_report(y_predict,y_test))小結(jié)1.如何使用sklearn第三方包實現(xiàn)分類分析？2.

如何調(diào)