首页
/ 决策树模型原理与实践:基于GenTang/intro_ds项目的可视化解析

决策树模型原理与实践:基于GenTang/intro_ds项目的可视化解析

2025-06-29 02:30:18作者:吴年前Myrtle

决策树模型概述

决策树是一种经典的监督学习算法,它通过树形结构对数据进行分类或回归。决策树模型具有直观易懂、可解释性强等特点,在实际应用中非常受欢迎。本文将通过GenTang/intro_ds项目中的一个示例代码,深入浅出地讲解决策树的工作原理和实现过程。

数据生成与准备

在机器学习中,高质量的数据是模型训练的基础。示例代码中的generateData函数负责生成模拟数据:

def generateData(n):
    np.random.seed(2001)
    X0 = np.c_[np.random.uniform(-1, 1, size=3*n).reshape(-1, 1),
        np.random.uniform(-1, 1, size=3*n).reshape(-1, 1)]
    Y0 = np.array([0] * 3 * n).reshape(-1, 1)
    X1 = np.c_[np.random.uniform(0.4, 1, size=n).reshape(-1, 1),
        np.random.uniform(0, 1, size=n).reshape(-1, 1)]
    Y1 = np.array([1] * n).reshape(-1, 1)
    X2 = np.c_[np.random.uniform(-0.9, -0.6, size=n).reshape(-1, 1),
        np.random.uniform(-0.5, 0.5, size=n).reshape(-1, 1)]
    Y2 = np.array([1] * n).reshape(-1, 1)
    X = np.concatenate((X0, X1, X2), axis=0)
    Y = np.concatenate((Y0, Y1, Y2), axis=0)
    data = np.concatenate((Y, X), axis=1)
    data = pd.DataFrame(data, columns=["y", "x1", "x2"])
    return data

这段代码生成了二维特征空间中的两类数据点:

  • 类别0:均匀分布在[-1,1]×[-1,1]的正方形区域内
  • 类别1:集中在两个特定区域(0.4,1]×[0,1]和[-0.9,-0.6]×[-0.5,0.5]

这种数据分布设计使得决策边界不是简单的直线,有助于展示决策树的分割能力。

决策树模型训练

trainModel函数实现了决策树的训练过程:

def trainModel(data):
    res = []
    for i in range(1, 4):
        model = DecisionTreeClassifier(criterion="gini", max_depth=i)
        model.fit(data[["x1", "x2"]], data["y"])
        res.append(model)
    return res

这里使用了scikit-learn的DecisionTreeClassifier类,关键参数说明:

  • criterion="gini":使用基尼系数作为分裂标准
  • max_depth=i:控制树的最大深度,从1到3逐步增加

通过逐步增加树的深度,我们可以观察决策边界如何随着模型复杂度增加而变化。

模型可视化与分析

visualize函数将数据和模型结果可视化:

def visualize(data, res):
    fig = plt.figure(figsize=(10, 10), dpi=80)
    for i in range(4):
        ax = fig.add_subplot(2, 2, i+1)
        ax.set_xlim([-1.2, 1.2])
        ax.set_ylim([-1.2, 1.2])
        drawData(ax, data)
        if i != 0:
            drawModel(ax, res, i-1)
    plt.show()

可视化结果将展示四个子图:

  1. 原始数据分布
  2. 最大深度为1的决策树分类结果
  3. 最大深度为2的决策树分类结果
  4. 最大深度为3的决策树分类结果

随着树深度的增加,决策边界会变得更加复杂,能够更好地拟合训练数据。

决策树的可视化输出

代码最后使用export_graphviz函数将决策树导出为dot文件:

export_graphviz(res[-1], "decision_tree.dot", feature_names=["x1", "x2"])

这个dot文件可以通过GraphViz工具转换为直观的树形结构图,帮助我们理解决策树内部的分裂逻辑和决策路径。

决策树的核心概念

通过这个示例,我们可以总结决策树的几个关键特点:

  1. 递归分割:决策树通过递归地将特征空间划分为矩形区域
  2. 不纯度度量:使用基尼系数或信息增益等指标评估分割质量
  3. 模型复杂度控制:通过max_depth等参数防止过拟合
  4. 决策边界:形成与坐标轴平行的分段线性边界

实际应用建议

在实际项目中使用决策树时,建议考虑以下几点:

  1. 数据预处理:决策树对特征的量纲不敏感,但对异常值较敏感
  2. 参数调优:合理设置max_depth、min_samples_split等参数
  3. 模型解释:利用决策树的可解释性分析特征重要性
  4. 集成学习:考虑使用随机森林等基于决策树的集成方法提升性能

通过这个简单的示例,我们不仅理解了决策树的基本原理,还掌握了如何使用Python实现和可视化决策树模型。这对于初学者理解机器学习分类算法非常有帮助。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
47
253
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
347
381
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
516
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0