决策树——非正常企业数目预测

核心步骤：

①将nsrxx.csv和zzsfp.csv两个表进行了合并和缩减，最终保留下了6个字段存入business.csv

字段含义：

　　id：企业id

　　xf_count：作为销方次数

　　gf_count：作为购方次数

　　del_count：销方购方次数之差

　　zfcs：作废次数

　　problem：是否为问题企业

 

 

 ②导入相关扩展包

from sklearn.model_selection import train_test_split  # 划分数据集
from sklearn.feature_extraction import DictVectorizer  #字典特征值提取
from sklearn.tree import DecisionTreeClassifier  # 决策树
from sklearn.tree import export_graphviz  # 决策树可视化
import pandas as pd

③获取数据

business=pd.read_csv("./business.csv")

④筛选特征值和目标值

x=business[["xf_count","gf_count","del_count","zfcs"]]        #特征值
y=business["problem"]                   #目标值

⑤将特征值转化为字典格式

x=x.to_dict(orient="records")

⑥划分数据集

x_train,x_test,y_train,y_test=train_test_split(x,y)

⑦字典特征抽取

transfer=DictVectorizer()
x_train=transfer.fit_transform(x_train)
x_test=transfer.transform(x_test)

⑧决策树预估器(estimator)

estimator = DecisionTreeClassifier(criterion="entropy")  # criterion默认为'gini'系数，也可选择信息增益熵'entropy'
estimator.fit(x_train, y_train)  # 调用fit()方法进行训练,()内为训练集的特征值与目标值

⑨模型评估

• 直接对比真实值和预测值
  

y_predict = estimator.predict(x_test)  # 传入测试集特征值，预测所给测试集的目标值
print("y_predict:\n", y_predict)

• 计算有问题的企业数
  

    flag=0;
    for i in y_train:
        if(i==1):
            flag=flag+1
    for i in y_test:
        if(i==1):
            flag=flag+1
    print("有问题的企业数为：",flag)

• 对比真实值和预测值：
  

print("直接对比真实值和预测值：\n", y_test == y_predict)

• 计算准确率
  

score = estimator.score(x_test, y_test)  # 传入测试集的特征值和目标值
print("准确率为：\n", score)

⑩决策树可视化

export_graphviz(estimator, out_file="tree_business.dot", feature_names=transfer.get_feature_names())

核心代码：

def tree_business():
    # 1.获取数据
    business=pd.read_csv("./business.csv")

    # 2.筛选特征值和目标值
    x=business[["xf_count","gf_count","del_count","zfcs"]]        #特征值
    y=business["problem"]                   #目标值

    # 3.数据处理（缺失值处理，特征值——>字典类型）
        #转换为字典
    x=x.to_dict(orient="records")

    # 4.划分数据集
    x_train,x_test,y_train,y_test=train_test_split(x,y)

    # 5.字典特征抽取
    transfer=DictVectorizer()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.transform(x_test)

    # 6.决策树预估器(estimator)
    estimator = DecisionTreeClassifier(criterion="entropy")  # criterion默认为'gini'系数，也可选择信息增益熵'entropy'
    estimator.fit(x_train, y_train)  # 调用fit()方法进行训练,()内为训练集的特征值与目标值

    # 7.模型评估
    # 方法一：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)  # 传入测试集特征值，预测所给测试集的目标值
    print("y_predict:\n", y_predict)
    #计算有问题的企业数：
    flag=0;
    for i in y_train:
        if(i==1):
            flag=flag+1
    for i in y_test:
        if(i==1):
            flag=flag+1
    print("有问题的企业数为：",flag)
    print("直接对比真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确率
    score = estimator.score(x_test, y_test)  # 传入测试集的特征值和目标值
    print("准确率为：\n", score)

    # 8.决策树可视化
    export_graphviz(estimator, out_file="tree_business.dot", feature_names=transfer.get_feature_names())


    return None

运行结果：

 

 决策树可视化：

（因图规模过大无法展示完整）

 

__EOF__

本文作者：CherriesOvO
本文链接：https://www.cnblogs.com/zyj3955/p/15437833.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！