Random Forest算法 python實(shí)現(xiàn)案例分析

Randomw Forest算法 python實(shí)現(xiàn)，該系列文章主要是對(duì)常見(jiàn)的機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)。

完整的筆記和代碼以上傳到Github,地址為（覺(jué)得有用的話(huà)，歡迎Fork,請(qǐng)給作者個(gè)Star）：

https://github.com/Vambooo/lihang-dl

隨機(jī)森林 Random Forest

隨機(jī)森林是對(duì)多棵樹(shù)組合對(duì)樣本訓(xùn)練預(yù)測(cè)的一種分類(lèi)器，它是Bagging方法的最流行的版本之一。

可以理解為隨機(jī)森林是個(gè)體模型為決策樹(shù)的Bagging算法。

隨機(jī)森林由Breiman提出的一種分類(lèi)算法，它使用Bootstrap重采樣技術(shù)，從原始訓(xùn)練樣本集中有放回的重復(fù)隨機(jī)抽取n個(gè)樣本生成新的樣本集合，以此作為訓(xùn)練集來(lái)訓(xùn)練決策樹(shù)。然后按照上述步驟生成m棵決策樹(shù)組合而成隨機(jī)森林。

隨機(jī)森林算法

Random Forest算法案例 python實(shí)現(xiàn)

(代碼可以左右滑動(dòng)看)

第一步：構(gòu)建數(shù)據(jù)（這里用make_blobs()來(lái)構(gòu)建聚類(lèi)數(shù)據(jù)）

X, y = make_blobs(n_samples=3000, centers=2, random_state=42, cluster_std=1.0)

n_samples是待生成的樣本的總數(shù)；
n_features是每個(gè)樣本的特征數(shù)；
centers表示類(lèi)別數(shù)；
cluster_std表示每個(gè)類(lèi)別的方差。

from sklearn.datasets import make_blobs
X, y = make_blobs(n_samples=300, centers=4,
random_state=0, cluster_std=1.0)plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='rainbow');

定義樹(shù)的可視化方法

def visualize_tree(estimator, X, y, boundaries=True, 
                  xlim=None, ylim=None, ax=None): 
   ax = ax or plt.gca() 
       # 繪制訓(xùn)練點(diǎn)    ax.scatter(X[:, 0], X[:, 1], c=y, s=30, cmap='viridis', 
              clim=(y.min(), y.max()), zorder=3)  
  ax.axis('tight')    ax.axis('off')    if xlim is None:
        xlim = ax.get_xlim()    if ylim is None: 
       ylim = ax.get_ylim()  
      # 擬合估計(jì)器    estimator.fit(X, y)  
  xx, yy = np.meshgrid(np.linspace(*xlim, num=200),                   
      np.linspace(*ylim, num=200))    Z = estimator.predict(np.c_[xx.ravel(), yy.ravel()])
    # 將結(jié)果放入到帶顏色的圖中    n_classes = len(np.unique(y))  

  Z = Z.reshape(xx.shape)    contours = ax.contourf(xx, yy, Z, alpha=0.3,                      
     levels=np.arange(n_classes + 1) - 0.5,                      
     cmap='viridis',zorder=1)
    ax.set(xlim=xlim, ylim=ylim)    
    # 繪制決策邊界    def plot_boundaries(i, xlim, ylim):     

   if i >= 0:      
      tree = estimator.tree_              
      if tree.feature[i] == 0:           
     ax.plot([tree.threshold[i], tree.threshold[i]], ylim, '-k', zorder=2)   
             plot_boundaries(tree.children_left[i],      
                          [xlim[0], tree.threshold[i]], ylim)   
             plot_boundaries(tree.children_right[i],                            
    [tree.threshold[i], xlim[1]], ylim)                    elif tree.feature[i] == 1:  
              ax.plot(xlim, [tree.threshold[i], tree.threshold[i]], '-k', zorder=2)         
       plot_boundaries(tree.children_left[i], xlim,                     
           [ylim[0], tree.threshold[i]])         
       plot_boundaries(tree.children_right[i], xlim,                       
         [tree.threshold[i], ylim[1]])          
      if boundaries:   
     plot_boundaries(0, xlim, ylim)

定義分類(lèi)器的可視化方法

def visualize_classifier(model, X, y, ax=None, cmap='rainbow'):  
  ax = ax or plt.gca()    
    # 繪制訓(xùn)練點(diǎn)    ax.scatter(X[:, 0], X[:, 1], c=y, s=30, cmap=cmap,    
           clim=(y.min(), y.max()), zorder=3)    ax.axis('tight') 
   ax.axis('off')    xlim = ax.get_xlim()    ylim = ax.get_ylim()     
   # 擬合估計(jì)器    model.fit(X, y)
   xx, yy = np.meshgrid(np.linspace(*xlim, num=200),                   
      np.linspace(*ylim, num=200))  
  Z = model.predict(np.c_[xx.ravel(), yy.ravel()]).reshape(xx.shape)
    # 將擬合結(jié)果繪制在帶顏色的圖中  
  n_classes = len(np.unique(y))  
  contours = ax.contourf(xx, yy, Z, alpha=0.3,     
  levels=np.arange(n_classes + 1) - 0.5,    
  cmap=cmap,                        
    zorder=1)
    ax.set(xlim=xlim, ylim=ylim)

#定義可設(shè)置深度的決策樹(shù)分類(lèi)器def depth_tree(depth=5):    clf = DecisionTreeClassifier(max_depth=depth, random_state=0)    visualize_tree(clf, X, y)

深度為1的決策樹(shù)分類(lèi)器，分類(lèi)效果

from sklearn.tree import DecisionTreeClassifiertree = DecisionTreeClassifier().fit(X, y)visualize_classifier(DecisionTreeClassifier(), X, y)

深度為5的決策樹(shù)分類(lèi)器，分類(lèi)效果

depth_tree(depth=5)

深度為10的決策樹(shù)分類(lèi)器，分類(lèi)效果

depth_tree(depth=10)

深度為15的決策樹(shù)分類(lèi)器，分類(lèi)效果

depth_tree(depth=15)

如上圖，當(dāng)決策樹(shù)的深度不斷增加時(shí)，會(huì)出現(xiàn)不同的分類(lèi)區(qū)域，比如當(dāng)depth=10時(shí)，在黃色和藍(lán)色之間存在一條紫色區(qū)域，這塊數(shù)據(jù)應(yīng)該是噪聲或者特定采樣的結(jié)果，這塊不能歸為紫色一類(lèi)，這種現(xiàn)象其實(shí)就是過(guò)擬合。

可以通過(guò)組合多個(gè)分類(lèi)器(這里是決策樹(shù)分類(lèi)器)來(lái)減少這個(gè)種過(guò)擬合的影響。這也是Bagging的思想。

下面就是使用Bagging來(lái)組合100個(gè)DecisionTreeClassifier來(lái)進(jìn)行測(cè)試。其中使用80%的數(shù)據(jù)來(lái)隨機(jī)化數(shù)據(jù)

from sklearn.tree import DecisionTreeClassifierfrom sklearn.ensemble import BaggingClassifier
tree = DecisionTreeClassifier()bag = BaggingClassifier(tree, n_estimators=100, max_samples=0.8,                        random_state=1)
bag.fit(X, y)visualize_classifier(bag, X, y)

也可以直接使用Scikit-learn中已定義好的RandomForestClassifier來(lái)實(shí)現(xiàn)

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=100, random_state=0)visualize_classifier(model, X, y);