决策树 sklearn : PlayTennis 数据集

Sriram Arvind Lakshmanakumar

我正在练习将 sklearn 用于决策树，我正在使用网球数据集

play_ 是目标列。

根据我对熵和信息增益的笔和纸计算，根节点应该是outlook_列，因为它具有最高的熵。

但不知何故，我当前的决策树以湿度为根节点，看起来像这样：

我当前在 python 中的代码：

from sklearn.cross_validation import train_test_split 
from sklearn.tree import DecisionTreeClassifier 
from sklearn.metrics import accuracy_score 
from sklearn import tree 
from sklearn.preprocessing import LabelEncoder

import pandas as pd 
import numpy as np 

df = pd.read_csv('playTennis.csv') 

lb = LabelEncoder() 
df['outlook_'] = lb.fit_transform(df['outlook']) 
df['temp_'] = lb.fit_transform(df['temp'] ) 
df['humidity_'] = lb.fit_transform(df['humidity'] ) 
df['windy_'] = lb.fit_transform(df['windy'] )   
df['play_'] = lb.fit_transform(df['play'] ) 
X = df.iloc[:,5:9] 
Y = df.iloc[:,9]

X_train, X_test , y_train,y_test = train_test_split(X, Y, test_size = 0.3, random_state = 100) 

clf_entropy = DecisionTreeClassifier(criterion='entropy')
clf_entropy.fit(X_train.astype(int),y_train.astype(int)) 
y_pred_en = clf_entropy.predict(X_test)

print("Accuracy is :{0}".format(accuracy_score(y_test.astype(int),y_pred_en) * 100))

安妮

我的猜测是，测试和训练拆分的发生方式是，按湿度拆分最终比前景具有更好的信息增益。您是根据训练集还是根据整个数据集进行笔和纸计算？

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。