python使用sklearn实现决策树

什么是决策树

在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。通过学习大量样本数据得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。

举个例子，outlook的被划分为上图中三个组：晴天，多云天和雨天。
如果天气是多云，人们总是选择玩高尔夫，而只有少数很着迷的甚至在雨天也会玩。
接下来我们把晴天组的分为两部分，我们发现人们不喜欢湿度高于70%的天气；如果雨天还有风的话，就不会有人打了。

安装sklearn

首先我们使用pip安装sklearn (scikit-learn)

1	pip install scikit-learn

等待安装完成

决策树实现程序实例

接下来，我们来实现一个判断性别的决策树。
这里features是样本特征，总共为5个样本数据，
拿第一个数据[165,25,0]举例子，165代表的是身高，25代表的是头发长度，0代表的有无胡子(0为没有，1为有)。
我们使用身高、头发长度以及腰围来作为我们判断性别的特征，
labels就是标签，规定了0代表性别为女，1代表性别为男。

from sklearn.tree import DecisionTreeClassifier

features = [[165,25,0],[170,11,1],[178,8,1],[188,10,0],[168,22,0]]
labels = [0,1,1,1,0]
clf = DecisionTreeClassifier()
clf.fit(features,labels)
print(clf.predict([[181, 14, 0]]))

使用fit()函数来匹配特征和标签，训练分类器clf。
这里输出的结果是1，说明决策树认为这个人性别为男。
当然，还可以使用更多的特征，加入样本数据中，样本越多也能作出更准确的判断。
总之，决策树也可以用来解决一些实际问题。