摘要：
【python】四個(gè)行為特征來(lái)判斷是否需要對(duì)該人進(jìn)行核酸檢測(cè)！
“To be，ornot to be：thatis thequestion”（生存還是毀滅：這是一個(gè)問(wèn)題），這是著名的莎士比亞悲劇《哈姆雷特》中的主人公一句非常經(jīng)典的獨(dú)白，也是數(shù)百年來(lái)經(jīng)常困擾人們的選擇問(wèn)題。這段哈姆雷特式問(wèn)題的臺(tái)詞，經(jīng)常用來(lái)形容一個(gè)人在猶豫在思考時(shí)候的兩難情況，用現(xiàn)代人的說(shuō)法就是“選擇困難癥”。人們經(jīng)常糾結(jié)于各種選擇，生怕選錯(cuò)了，就會(huì)陷入“藍(lán)瘦香菇”的困境。
人們?cè)诿媾R選擇難題的時(shí)候經(jīng)常想：如果能未卜先知，那該多好。實(shí)際上，在人工智能領(lǐng)域，就有一種預(yù)測(cè)算法，利用樹(shù)杈的形狀，非常形象地來(lái)解決這種選擇問(wèn)題，這就是決策樹(shù)算法，它是一個(gè)非常廣泛應(yīng)用的算法，其原理是通過(guò)對(duì)一系列問(wèn)題進(jìn)行“是/否”的推導(dǎo)，最終實(shí)現(xiàn)決策。在機(jī)器學(xué)習(xí)發(fā)展到如今，決策樹(shù)算法越來(lái)越得到更多的應(yīng)用，我們也可以說(shuō)它是解決“選擇困難癥”的良藥。本文為了讓讀者朋友較好理解該算法，用python編程進(jìn)行一個(gè)實(shí)際應(yīng)用的示范。
決策樹(shù)算法是一種典型的、逼近離散函數(shù)值的分類方法。主要是先對(duì)數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹(shù)，然后使用決策對(duì)新數(shù)據(jù)進(jìn)行分析。決策樹(shù)算法應(yīng)用非常廣泛，例如在目前新冠疫情下，由于核酸檢測(cè)條件和資源有限，不能夠?qū)λ腥硕歼M(jìn)行檢測(cè)，因此對(duì)有疑似感染人員的一些行為特征進(jìn)行推導(dǎo)，最終判斷其是否需要進(jìn)行核酸檢測(cè)來(lái)進(jìn)一步確診，也是很有必要的。比如調(diào)查和征詢病人的近期行為：“去過(guò)醫(yī)院或高危聚集地、防護(hù)措施是否到位、有病患接觸史、是否發(fā)燒咳嗽”，這四個(gè)行為特征來(lái)判斷是否需要對(duì)該人進(jìn)行核酸檢測(cè)，從而進(jìn)一步確診。
圖中最末端的5個(gè)節(jié)點(diǎn)，就是選擇后的判定結(jié)果，也稱為決策樹(shù)的樹(shù)葉。如果樣本的特征特別多、數(shù)據(jù)量大，就需要使用機(jī)器學(xué)習(xí)的辦法來(lái)建立決策樹(shù)的模型進(jìn)行預(yù)測(cè)了。其中，決策樹(shù)算法的最大深度，也就是其max_depth參數(shù)，代表了決策樹(shù)的復(fù)雜程度，即上述例子中做出問(wèn)題判斷的數(shù)量，問(wèn)題判斷數(shù)量越多，就代表決策樹(shù)的深度越深，這個(gè)模型的計(jì)算也越復(fù)雜。
在上面的例子中，決策樹(shù)很形象地把新冠疑似人員的幾類行為做了推導(dǎo)，如果一個(gè)疑似人員雖然“沒(méi)有去過(guò)醫(yī)院或高危聚集地、但是有病患接觸史”，就要考慮做核酸檢測(cè)；如果一個(gè)疑似人員“去過(guò)醫(yī)院或高危聚集地、防護(hù)措施不到位、并且發(fā)燒咳嗽”，說(shuō)明該病人感染可能性較大，就需要做核酸檢測(cè)。通過(guò)決策樹(shù)算法，對(duì)疑似人員進(jìn)行選擇核酸檢測(cè)或不檢測(cè)的判定進(jìn)行預(yù)測(cè)，解決了核算檢測(cè)的選擇問(wèn)題。
（注：以上例子僅為了解釋決策樹(shù)算法的模擬描述，不一定代表真實(shí)情況）
隨著新冠疫情逐步得到緩解，長(zhǎng)期宅在家中的人們都開(kāi)始考慮去戶外游玩，可是天氣越來(lái)越熱、或者下雨、大風(fēng)等，能不能帶家人一起出去游山玩水還得看老天爺?shù)哪樕?。小明家有一個(gè)剛滿四歲的小孩，疫情期間，“小神獸”在家里都快憋瘋了，天天在家里是上躥下跳的。馬上就是周末了，小明看著家里被折騰的一片狼藉，他必須要做出周末是否能出行游玩的決策。同時(shí)他正好是一個(gè)大數(shù)據(jù)工程師，當(dāng)然可以借助人工智能算法來(lái)預(yù)測(cè)天氣以及出行的可能性，從而做出一個(gè)全家出行游玩的計(jì)劃。本文就通過(guò)決策樹(shù)算法，利用積累了一定時(shí)間的歷史天氣數(shù)據(jù)，模擬一下小明的預(yù)測(cè)，看看這個(gè)周末他能不能帶全家一起出行游玩。
我們采用的數(shù)據(jù)集包含如下特征字段（為簡(jiǎn)略過(guò)程，將數(shù)據(jù)集的各自段值全部轉(zhuǎn)換為數(shù)字）：
日期-date、天氣-outlook（0-晴天、1-陰天、2-雨天）、氣溫-temperature（0-炎熱、1-適中、2-寒冷）、濕度-humidity（0-高、1-中、2-低）、大風(fēng)-strongwind（0-有、1-無(wú)），另外還有一個(gè)輸出分類結(jié)果：出行的選擇-choiceof journey（1-是、0-否）。
下面我們使用python導(dǎo)入數(shù)據(jù)集，并進(jìn)行查看
#使用pandas加載天氣數(shù)據(jù)集
data= pd.read_csv('weather.csv')
#把去掉預(yù)測(cè)目標(biāo)Choiceof journey后的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集X
data.drop(['date'],axis = 1, inplace = True)
X= data.drop(['choice of journey'], axis = 1)
y= data['choice of journey'].values
生成訓(xùn)練集和測(cè)試集、使用決策樹(shù)算法建模并評(píng)估模型分?jǐn)?shù)。
fromsklearn.model_selection import train_test_split
#將數(shù)據(jù)集拆分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集
X_train,X_test, y_train, y_test = train_test_split(X, y, random_state=42)
#設(shè)定決策樹(shù)分類器最大深度為5
DT_clf= tree.DecisionTreeClassifier(max_depth=5)
DT_clf.fit(X_train,y_train)
print('決策樹(shù)模型得分：{:.2f}'.format(DT_clf.score(X_test,y_test)))
可以看到，基于這個(gè)天氣數(shù)據(jù)集訓(xùn)練的模型得到了0.85的評(píng)分，也就是說(shuō)這個(gè)模型的預(yù)測(cè)準(zhǔn)確率在85%，可以說(shuō)預(yù)測(cè)準(zhǔn)確率還不錯(cuò)，應(yīng)該能夠?yàn)樾∶鹘鉀Q出行的選擇問(wèn)題了。
在這個(gè)過(guò)程中，決策樹(shù)在每一層當(dāng)中都做了哪些事情呢？我們可以在Jupyternotebook中用一個(gè)名叫g(shù)raphviz的庫(kù)（首先需要借助Anaconda安裝這個(gè)庫(kù)），它能將決策樹(shù)的工作流程展示出來(lái)。輸入代碼：
#導(dǎo)入決策樹(shù)中輸出graphviz的接口
fromsklearn.tree import export_graphviz
#加載決策樹(shù)分類模型，將工作流程輸出到dot文件
export_graphviz(DT_clf,out_file=" weather.dot", class_names="choice ofjourney",feature_names=["outlook","temperature","humidity","strongwind"], impurity=False, filled=True)
withopen("weather.dot") as f:
graphviz.Source(dot_graph)
上圖非常清晰地展現(xiàn)了決策樹(shù)是如何進(jìn)行預(yù)測(cè)的，可以看出，決策樹(shù)模型首先對(duì)濕度進(jìn)行判斷，在濕度小于或等于0.5這個(gè)條件為True的情況下，決策樹(shù)判斷分類為c，如果是False，則判斷為h，到下一層則對(duì)天氣和溫度進(jìn)行判斷，進(jìn)一步對(duì)樣本進(jìn)行分類，以此類推，直到將樣本全部放進(jìn)2個(gè)分類當(dāng)中。
模型建立好了，小明可以開(kāi)始籌備周末的出行大計(jì)了，剛剛天氣預(yù)告廣播報(bào)道：本周末天氣為——多云、氣溫26度（適中）、濕度65%（稍高）、風(fēng)力3級(jí)（無(wú)大風(fēng)）。
按之前對(duì)特征字段設(shè)定的對(duì)應(yīng)關(guān)系，各特征值解釋為數(shù)字是：[1,1,0,1]
我們可以利用上面步驟建立的決策樹(shù)模型來(lái)預(yù)測(cè)一下，看看小明周末能不能帶全家出去游玩。
#使用決策樹(shù)模型做出預(yù)測(cè)
pre= DT_clf.predict(weekend)
print("預(yù)測(cè)結(jié)果：[周末天氣不錯(cuò)，可以去游玩！]")
print("預(yù)測(cè)結(jié)果：[很遺憾，周末天氣不好，別去了]")
預(yù)測(cè)結(jié)果：[周末天氣不錯(cuò)，可以去游玩！]
小明得到以上預(yù)測(cè)結(jié)果也很興奮，馬上開(kāi)始準(zhǔn)備出行計(jì)劃、路線和設(shè)備。周末小明全家人高高興興地踏了一次青，大家反映都很不錯(cuò)，小明的父親形象頓時(shí)偉岸起來(lái)?。決策樹(shù)算法解決了小明出行的“選擇困難癥”，小明也算利用他掌握的算法知識(shí)為家里做了一次貢獻(xiàn)。
決策樹(shù)算法（DecisionTree）在機(jī)器學(xué)習(xí)算法中，算是一個(gè)非?；A(chǔ)的算法，使用和預(yù)測(cè)也比較簡(jiǎn)單。以上的例子是一個(gè)理想狀況的闡述，在機(jī)器學(xué)習(xí)的實(shí)際項(xiàng)目中，決策樹(shù)算法經(jīng)常會(huì)出現(xiàn)過(guò)擬合的問(wèn)題，這會(huì)讓模型的泛化性能大打折扣。為了避免過(guò)擬合的問(wèn)題出現(xiàn)，在決策書算法的基礎(chǔ)之上，科學(xué)家們又衍生出隨機(jī)森林（RandomForests）和梯度上升決策樹(shù)（GradientBoosted DecisionTrees，簡(jiǎn)稱GBDT）算法，大大優(yōu)化了決策樹(shù)算法。限于篇幅，本文對(duì)這兩個(gè)算法就不再深入介紹了，有興趣的讀者朋友可以自行學(xué)習(xí)和編程操作。
京公網(wǎng)安備 11010802020714號(hào)
京ICP備2020047077號(hào)-2
手機(jī)端官網(wǎng)
