代码
# 鸢尾花数据分类-随机森林# 结果为6个随机森林得到的结果import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplfrom sklearn.ensemble import RandomForestClassifier# def iris_type(s):#it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}#return it[s]# 'sepal length', 'sepal width', 'petal length', 'petal width'iris_feature = u'花萼长度', u'花萼宽度', u'花瓣长度', u'花瓣宽度'if __name__ == "__main__":mpl.rcParams['font.sans-serif'] = [u'SimHei'] # 黑体 FangSong/KaiTimpl.rcParams['axes.unicode_minus'] = Falsepath = 'iris.data' # 数据文件路径data = pd.read_csv(path, header=None)x_prime = data[range(4)]y = pd.Categorical(data[4]).codes# 特征两两组合，共6个feature_pairs = [[0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3]]plt.figure(figsize=(10, 9), facecolor='#FFFFFF')for i, pair in enumerate(feature_pairs):# 准备数据x = x_prime[pair]# 随机森林# 随机森林有200个决策树，最大深度为3clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=3)clf.fit(x, y.ravel())# 画图N, M = 50, 50 # 横纵各采样多少个值x1_min, x2_min = x.min()x1_max, x2_max = x.max()t1 = np.linspace(x1_min, x1_max, N)t2 = np.linspace(x2_min, x2_max, M)# np.meshgridL:生成网格点坐标矩阵x1, x2 = np.meshgrid(t1, t2)x_test = np.stack((x1.flat, x2.flat), axis=1) # 测试点# 训练集上的预测结果y_hat = clf.predict(x)y = y.reshape(-1)c = np.count_nonzero(y_hat == y) # 统计预测正确的个数print('特征： ', iris_feature[pair[0]], ' + ', iris_feature[pair[1]])print('\t预测正确数目：', c)print('\t准确率: %.2f%%' % (100 * float(c) / float(len(y))))# 显示cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])y_hat = clf.predict(x_test) # 预测值y_hat = y_hat.reshape(x1.shape) # 使之与输入的形状相同plt.subplot(2, 3, i+1)# plt.pcolormesh的作用在于能够直观表现出分类边界;plt.pcolormesh()会根据y_predict的结果自动在cmap里选择颜色plt.pcolormesh(x1, x2, y_hat, cmap=cm_light) # 预测值plt.scatter(x[pair[0]], x[pair[1]], c=y, edgecolors='k', cmap=cm_dark) # 样本plt.xlabel(iris_feature[pair[0]], fontsize=14)plt.ylabel(iris_feature[pair[1]], fontsize=14)plt.xlim(x1_min, x1_max)plt.ylim(x2_min, x2_max)plt.grid()plt.tight_layout(2.5)plt.subplots_adjust(top=0.92)plt.suptitle(u'随机森林对鸢尾花数据的两特征组合的分类结果', fontsize=18)plt.show()
运行结果
特征： 花萼长度 + 花萼宽度预测正确数目： 124准确率: 82.67%特征： 花萼长度 + 花瓣长度预测正确数目： 142准确率: 94.67%特征： 花萼长度 + 花瓣宽度预测正确数目： 144准确率: 96.00%特征： 花萼宽度 + 花瓣长度预测正确数目： 143准确率: 95.33%特征： 花萼宽度 + 花瓣宽度预测正确数目： 144准确率: 96.00%特征： 花瓣长度 + 花瓣宽度预测正确数目： 145准确率: 96.67%
过拟合分析-决策树深度的影响
随机森林算法在随机决策树生成过程采用的Boostrap，所以在一棵树的生成过程并不会使用所有的样本，未使用的样本就叫（Out_of_bag）袋外样本(oob 数据集)，通过袋外样本，可以评估这个树的准确度，其他子树叶按这个原理评估，最后可以取平均值。
oob_score = True：表示使用 oob 数据集作为测试数据集，估算算法的泛化能力；
oob_score 默认为 False，不使用 oob 数据集作为测试数据集。
‘’‘修改上面该部分代码，分别改变max_depth’‘’# 随机森林# 随机森林有200个决策树，最大深度为3# 使用袋外数据集作为测试数据clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=3, oob_score=True)clf.fit(x, y.ravel())print(clf.oob_score_, end='\t')
max_depth = 3,没有出现过拟合
max_depth = 5
max_depth = 10,出现过拟合
如果觉得《机器学习基础算法18- 鸢尾花数据集分类-随机森林》对你有帮助，请点赞、收藏，并留下你的观点哦！
