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

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,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linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并