Question

我有一个道路事故数据库。我需要建立一个分类决策树，以便在功能之间找到有趣的信息。我有3个分类特征-“进取心”，“班次”，“日子”-但是，当我将这些特征之一用作目标变量时，我得到的是带有数字分类的树。我希望树以没有数字或至少没有浮点值的方式处理这些分类特征。我使用单向编码将我的分类特征拟合到树上。

1。设置我的功能我的功能

features = [“ SK_Tik_Teuna”，“ Hour”，“ Year”，“ Month”，“ DriversInvolved”，“ Jewish”，“ UnknownReligon”，“ NotJewish”，“ UnknownCar”，“ Else”，“ Empty”， “ Distric”，“ Lighing”，“ Urban_NotUrban”，“ Crossroads_NotCrossroads”，“坐标”，“区域”，“ AccSeverity_A”，“ AccSeverity_B”，“ AccSeverity_C”，“ Day_D1”，“ Day_D2”，“ Day_D3” ”，“ Day_D5”，“ Day_D6”，“ Day_D6”，“ Day_D7”，“ Shift_A”，“ Shift_B”，“ Shift_C”]

2。建立决策树
决策树分类

     print("Training size: {}; Test size: {}".format(len(train),len(test)) )

#result from the line above
Training size: 2024; Test size: 998

#define the tree parameters

    c=DecisionTreeClassifier(criterion='gini',

    min_samples_leaf=5,

    min_samples_split=5,

max_depth=None,
random_state=0)

一种热门编码方式
一键编码器以修复分类特征


    data = data.copy()
    data = pd.get_dummies(data, columns=['AccSeverity'], prefix = ['AccSeverity'])
    data = pd.get_dummies(data, columns=['Day'], prefix = ['Day'])
    data = pd.get_dummies(data, columns=['Shift'], prefix = ['Shift'])
    print(data.head())

编码后检查数据
检查数据

data.info（） RangeIndex：3022个条目，0到3021 数据列（共40列）： SK_Tik_Teuna 3022非空int64 小时3022非空int64 3022年非空int64 月3022非null int64 涉及的驱动程序3022非null int64 犹太人3022非null int64 UnknownReligon 3022非null int64 NotJewish 3022非空int64 UnknownCar 3022非null int64 其他3022非null int64 Two_Third_Wheel 3022非null int64 投标3022非null int64 拖拉机3022非null int64 ATV 3022非null int64 未知3022非null int64 Cab 3022非null int64 CommercialVehicle 3022非null int64 卡车3022非空int64 PrivateCar 3022非null int64 PublicVehicle 3022非null int64 空3022非空int64 Distric 3022非null int64 Lighing 3022非null int64 Urban_NotUrban 3022非空int64 Crossroads_NotCrossroads 3022非null int64 坐标3022非null int64 区域3022非null int64 AccSeverity_A 3022非null uint8 AccSeverity_B 3022非null uint8 AccSeverity_C 3022非null uint8 Day_D1 3022非null uint8 Day_D2 3022非null uint8 Day_D3 3022非null uint8 Day_D4 3022非null uint8 Day_D5 3022非空uint8 Day_D6 3022非空uint8 Day_D7 3022非空uint8 Shift_A 3022非null uint8 Shift_B 3022非空uint8 Shift_C 3022非null uint8 dtypes：int64（27），uint8（13）

设置目标变量


x_train=train[features]
y_train=train["AccSeverity_A"]
x_test=test[features]
y_test=test["AccSeverity_A"]

#train
dt=c.fit(x_train,y_train)

树输出建立树

    def show_tree(tree,features, path):
        f=io.StringIO()
        export_graphviz(tree,out_file=f, feature_names=features)
        pydotplus.graph_from_dot_data(f.getvalue()).write_png(path)
        img=misc.imread(path)
        plt.rcParams["figure.figsize"]=(20,20)
        plt.imshow(img)

#show树 #show_tree（dt，features，'dec_tree_01.png'）

#predict
y_pred=c.predict(x_test)
#rsult after running the line above
y_pred
array([1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1,
       1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1,
       0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1,
       0, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1,
       1, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1,
       1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0,
       1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1,
       1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0,
       1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1,
       0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1,
       0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1,
       1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0,
       0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1,
       1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1,
       1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0,
       1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 1, 0,
       1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0,
       0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1,
       1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1,
       1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1,
       1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1,
       0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1,
       1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1, 0, 1, 1,
       1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1,
       0, 1, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0,
  1, 0, 1, 0, 1, 1, 1, 1], dtype=uint8)

#accuracy finding
 from sklearn.metrics import accuracy_score
 score=accuracy_score(y_test, y_pred) *100
print("Accuracy using Desicion Tree:", round(score, 1), "%")

#result
#Accuracy using Desicion Tree: 100.0 %

Answer 1

您的目标变量是输入的一部分。

如果答案已经存在，您当然会得到100％...

您的树可能包含一个等效于以下内容的单个节点：

return AccSeverity_A

决策树分类的性能好坏？

1 个答案: