机器学习-------用决策树回归器构建房价评估模型
刚开始学习机器学习的朋友肯定特别蒙,这个东西确实也特别无聊,尤其看到了一些算法什么的,一个头两个大,所以说,要静下心来,慢慢学 ,用心来,不骄不躁
下面有哪些不懂的地方,还有写的错误的地方,欢迎大家指出,谢谢
最近几十年，房价一直是中国老百姓心中永远的痛，有人说，中国房价就像女人的无肩带文胸，一半人在疑惑：是 什么支撑了它?另一半人在等待：什么时候掉下去？ 而女人，永不可能让它掉下来。就算快掉下来了，提一提还是 又上去了.....
虽然我们不能预测中国房价什么时候崩盘，但是却可以用机器学习来构建房价预测模型，下面我们使用波士顿房价 数据集来建立一个房价评估模型，通过房子所在的地理位置，人口居住特性等因素来综合评估房价。
环境配置如下:
1）Graphviz 0.8.4 (安装python模块，安装代码: pip install graphviz)
2）安装软件：下载地址https://graphviz.gitlab.io/_pages/Download/windows/graphviz-2.38.msi
3）配置环境变量：D:\Program Files (x86)\Graphviz2.38\bin
这是我在代码中用到的包,可以根据实际情况来更改
import sklearn
import numpy as np
from matplotlib import pyplot as plt
import pandas as pd
import matplotlib
%matplotlib inline
matplotlib.rcParams['font.sans-serif']=['SimHei']
#分割数据集要导的包
from sklearn.model_selection import train_test_split
from sklearn import datasets # sklearn自带的datasets中就有Boston房价数据集.
housing_data=datasets.load_boston() #加载波士顿房价数据数据,
# print(housing_data)
dataset_X=housing_data.data # 获取影响房价的特征向量，作为feaure X
dataset_y=housing_data.target # 获取对应的房价，作为label y
#查看一下他的行与列
print(dataset_X.shape)
#分割数据集,把测试数据集和训练数据集分开
train_X,test_X,train_Y,test_Y = train_test_split(dataset_X,dataset_y,test_size=0.2,random_state=30) #这样,就把数据(2,8)分成了测试集与训练集
#训练集为80%,测试集为20%
print(train_X.shape,test_X.shape)
# 构建决策树模型
from sklearn.tree import DecisionTreeRegressor
# 决定决策树的最大深度,为 4,关于这个深度,有兴趣了解的同学,可以到这里看一看 :::: https://www.cnblogs.com/fionacai/p/5894142.html
decision_regressor =DecisionTreeRegressor(max_depth=4)
#训练数据
decision_regressor.fit(train_X,train_Y)
#使用测试集来判断他的好坏
predict_test_y = decision_regressor.predict(test_X)
#决策树模型得分指标 这是以测试集为标准进行估测
from sklearn import metrics
print('平均绝对误差:{}'.format(metrics.mean_squared_error(predict_test_y,test_Y)))
print('均方误差MSE:{}'.format(metrics.mean_absolute_error(predict_test_y,test_Y)))
print('解释方差分:{}'.format(metrics.explained_variance_score(predict_test_y,test_Y)))
print('R2得分:{}'.format(metrics.r2_score(predict_test_y,test_Y)))
得分结果
决策树模型的优化
#优化你的模型,让他的得分更高,这样预测出来的数据会更准确
for depth in range(2,12):
decision_regressor_test=DecisionTreeRegressor(max_depth=depth)
decision_regressor_test.fit(train_X,train_Y)
predict_test_y2=decision_regressor_test.predict(test_X)
#优化后的决策树模型得分指标
from sklearn import metrics
print('平均绝对误差:{}'.format(metrics.mean_squared_error(predict_test_y2,test_Y)))
print('均方误差MSE:{}'.format(metrics.mean_absolute_error(predict_test_y2,test_Y)))
print('解释方差分:{}'.format(metrics.explained_variance_score(predict_test_y2,test_Y)))
print('R2得分:{}'.format(metrics.r2_score(predict_test_y2,test_Y)))
得分结果
计算不同特征的相对重要性
这个数据中一共有13个特征，但这13个特征对于房价的影响肯定是不同的，比如从直观上来看，学区房对房价影响肯定 比较大，所以可以计算出各种不同特征对模型的影响，进而在特征比较复杂的情况下，可以忽略掉影响比较小的特征。
如下部分代码可以将各种特征的相对重要性绘制到图中,这样大家就能直观的看出来了
# 计算不同特征的相对重要性
def plot_importances(feature_importances, title, feature_names):
''将feature_importance绘制到图表中，便于观察,并把重要性大于5的特征打印出来'''
# 将重要性都归一化为0-100之内
feature_importances=100.0*(feature_importances/max(feature_importances))
#将得分从高到低排序
# (np.argsort:将矩阵a按照axis排序(默认升序)，并返回排序后的下标 )
# (np.flipud:矩阵上下翻转，np.fliplr:矩阵左右反转)
index_sorted=np.flipud(np.argsort(feature_importances))
# 让X坐标轴上的标签居中显示
pos=np.arange(index_sorted.shape[0])+0.5
# 画条形图
plt.figure()
plt.bar(pos,feature_importances[index_sorted],align='center')
plt.xticks(pos,feature_names[index_sorted])
plt.ylabel('Relative Importance')
plt.title(title)
# 把重要性结果打印出来
print('{} importance list------>>>>>'.format(title))
for importance,name in zip(feature_importances[index_sorted],feature_names[index_sorted]):
if importance>5:
print('feature:{}, importance: {:.2f}'.format(name,importance))
decision_regressor7=DecisionTreeRegressor(max_depth=7) # 最大深度确定为7
decision_regressor7.fit(train_X,train_y) # 对决策树回归模型进行训练
plot_importances(decision_regressor7.feature_importances_,
'DT regressor',housing_data.feature_names)
plot_importances(ada_regressor.feature_importances_,
'AdaBoost Optimized DT regressor',housing_data.feature_names)
结局柱状图如下:
