机器学习 之 决策树与随机森林的实现

2024-08-23 00:44

本文主要是介绍机器学习 之 决策树与随机森林的实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

引言

随着互联网技术的发展,垃圾邮件过滤已成为一项重要的任务。机器学习技术,尤其是决策树和随机森林,在解决这类问题时表现出色。本文将介绍随机森林的基本概念,并通过一个具体的案例——筛选垃圾电子邮件——来展示随机森林的实际应用。

随机森林简介

随机森林是一种基于决策树的集成学习方法,它通过构建多个决策树并综合它们的预测结果来提高准确性和防止过拟合。随机森林的工作原理主要包括以下几个步骤:

  1. 自助采样:从原始数据集中通过有放回的方式抽取多个子样本集。
  2. 构建决策树:在每个子样本集上独立地构建一棵决策树。
  3. 随机特征选择:在构建每棵树的过程中,每个节点的分裂都是从所有特征的一个随机子集中选出最优特征。
  4. 投票机制:对于分类任务,每棵树都会对新样本给出一个预测类别,最终的预测类别是所有树预测结果的多数表决结果。

随机森林的优点包括:

  • 鲁棒性:由于使用了多棵决策树,单棵树的错误不会影响整体预测结果。
  • 易于实现:随机森林的实现相对简单,并且不需要太多的参数调整。
  • 并行计算:每棵树可以独立构建,这使得随机森林非常适合于并行计算环境。
  • 特征重要性:可以评估特征的重要性,帮助选择最具影响力的特征。
实验数据介绍

本次实验使用的数据集名为 spambase.xlsx。数据集包含了用于识别垃圾邮件的特征,其中包括:

  • 单词频率 (Word_freq_makeWord_freq_address, 等):特定单词在邮件中出现的频率。
  • 字符频率 (Char_freq1Char_freq2, 等):特定字符在邮件中出现的频率。
  • 大写字母连续长度统计 (Capital_run_length_averageCapital_run_length_longest, 等):大写字母连续出现的平均长度和最长长度。
  • 标签 (label):邮件是否为垃圾邮件,0表示非垃圾邮件,1表示垃圾邮件。

实例:随机森林实现垃圾邮件筛选
加载数据

首先,我们需要使用Pandas库加载Excel文件中的数据。

import pandas as pd# 读取数据
df = pd.read_csv('spambase.csv')# 分割特征和标签
X = df.iloc[:, :-1]  # 特征列
y = df.iloc[:, -1]   # 标签列
划分数据集

接着,我们将数据集分为训练集和测试集。

from sklearn.model_selection import train_test_split# 划分数据集
xtrain, xtest, ytrain, ytest = \train_test_split(X, y, test_size=0.2, random_state=100)
构建随机森林模型

现在,我们使用RandomForestClassifier类构建一个随机森林模型,并设置相关的超参数

from sklearn.ensemble import RandomForestClassifier# 创建随机森林分类器
rf = RandomForestClassifier(n_estimators=108,  # 决策树的数量max_features=0.8,  # 最大特征数量比例random_state=0     # 随机种子
)# 训练模型
rf.fit(xtrain, ytrain)
模型评估

最后,我们将评估模型在训练集和测试集上的表现。

from sklearn import metrics
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix# 定义混淆矩阵函数
def cm_plot(y, yp):cm = confusion_matrix(y, yp)plt.matshow(cm, cmap=plt.cm.Blues)plt.colorbar()for x in range(len(cm)):for y in range(len(cm)):plt.annotate(cm[x, y], xy=(y, x), horizontalalignment='center',verticalalignment='center')plt.ylabel('True label')  # 真实标签plt.xlabel('Predicted label')  # 预测标签return plt# 在训练集上进行预测
train_predicted = rf.predict(xtrain)# 输出训练集上的分类报告
print("Training Set Classification Report:")
print(metrics.classification_report(ytrain, train_predicted))# 绘制训练集上的混淆矩阵
cm_plot(ytrain, train_predicted).show()# 在测试集上进行预测
test_predicted = rf.predict(xtest)# 输出测试集上的分类报告
print("Test Set Classification Report:")
print(metrics.classification_report(ytest, test_predicted))# 绘制测试集上的混淆矩阵
cm_plot(ytest, test_predicted).show()
 输出结果:

训练集各指标报告:

训练集混淆函数: 

预测集各指标报告:

预测集混淆矩阵

结论

随机森林是一种强大的机器学习算法,能够有效地处理分类和回归任务。通过上述代码,我们已经成功地使用随机森林对spambase.xlsx数据集进行了训练和评估。从输出的分类报告和混淆矩阵中可以看出模型的性能情况。随机森林因其简单易用和高效的特点,在许多实际应用中都取得了很好的效果。

这篇关于机器学习 之 决策树与随机森林的实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1097867

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

golang版本升级如何实现

《golang版本升级如何实现》:本文主要介绍golang版本升级如何实现问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录golanwww.chinasem.cng版本升级linux上golang版本升级删除golang旧版本安装golang最新版本总结gola

SpringBoot中SM2公钥加密、私钥解密的实现示例详解

《SpringBoot中SM2公钥加密、私钥解密的实现示例详解》本文介绍了如何在SpringBoot项目中实现SM2公钥加密和私钥解密的功能,通过使用Hutool库和BouncyCastle依赖,简化... 目录一、前言1、加密信息(示例)2、加密结果(示例)二、实现代码1、yml文件配置2、创建SM2工具

Mysql实现范围分区表(新增、删除、重组、查看)

《Mysql实现范围分区表(新增、删除、重组、查看)》MySQL分区表的四种类型(范围、哈希、列表、键值),主要介绍了范围分区的创建、查询、添加、删除及重组织操作,具有一定的参考价值,感兴趣的可以了解... 目录一、mysql分区表分类二、范围分区(Range Partitioning1、新建分区表:2、分

MySQL 定时新增分区的实现示例

《MySQL定时新增分区的实现示例》本文主要介绍了通过存储过程和定时任务实现MySQL分区的自动创建,解决大数据量下手动维护的繁琐问题,具有一定的参考价值,感兴趣的可以了解一下... mysql创建好分区之后,有时候会需要自动创建分区。比如,一些表数据量非常大,有些数据是热点数据,按照日期分区MululbU