學(xué)習(xí)python主要是來了解人工智能争舞、大數(shù)據(jù)及區(qū)塊鏈的底層架構(gòu)，我們先從人工智能開發(fā)澈灼，先挑了一個最容易理解的人工智能模型：決策樹竞川，從業(yè)務(wù)場景挑選旅檢通關(guān)的處罰過程店溢，看看決策樹如何歸納一個旅客通關(guān)的處罰過程決策過程。
? ? 首先委乌，我們設(shè)定罰的金額小于200塊床牧，過程提取三個特征值：是否首次違規(guī)、違規(guī)金額是否超過50遭贸、旅客是否大于70歲戈咳。處罰結(jié)果是放行與處罰。我們提取案例的特征如下壕吹，并儲存為sample.csv文件：
決策樹主要原理是根據(jù)特征分類后計算樣本的信息熵值著蛙，計算決策特征值與結(jié)果的關(guān)聯(lián)性，公式如下：
我們不用太糾結(jié)里面的數(shù)學(xué)原理算利，先看怎么用册踩，代碼如下：
import pandas as pd
import numpy as np? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??
from sklearn import tree
df = pd.read_csv('sample.csv',encoding="utf-8")? ? ? ? ? ? #導(dǎo)入數(shù)據(jù)源
X = df.drop('處罰結(jié)果',axis=1)? ? ? ? ? #提取特征值?
y = df.處罰結(jié)果? ? ? ? ? ? ? ? ? ? ? ? ? ?#提取結(jié)果
#調(diào)用決策樹方法計算，返回決策結(jié)果clf
clf = tree.DecisionTreeClassifier(max_depth=3)
clf = clf.fit(X, y)? ? ? ? ? #調(diào)用機器學(xué)習(xí)包 決策樹模型
#將決策結(jié)果寫入lc-is.dot文件
with open("lc-is.dot", 'w',encoding="utf-8") as f:
? ? f = tree.export_graphviz(clf,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? out_file=f,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? max_depth = 3,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? impurity = True,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? feature_names = list(X),
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? class_names = ['處罰', '放行'],
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? rounded = True,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? filled= True )
是不是很簡單效拭，流程就是讀取文件暂吉，提取特征值和結(jié)果值，扔進去決策樹包里計算缎患，再將結(jié)果輸出 lc-is.dot文件慕的，但是輸出的dot文件還是不夠直觀，我們要把它畫出來挤渔，這里需要安裝兩個包：graphviz和pydot肮街，過程還是比較曲折，使用過程涉及中文亂碼判导，大概過程如下：
一嫉父、conda install graphviz
二、conda install pydot
三眼刃、在https://graphviz.gitlab.io/下載對應(yīng)的MSI安裝包安裝绕辖。
四、將路徑C:\Program Files (x86)\Graphviz2.38\bin 加入path系統(tǒng)環(huán)境變量
五擂红、測試dot.exe 提示正常即可仪际。
使用繪制圖形過程如下（涉及中文亂碼，搞了很久才解決）：
打開lc-is.dot昵骤，把里面的 fontname=helvetica 改為?fontname="Microsoft YaHei"树碱，然后在開頭第一行空了兩格，也就是diagraph tree前面加了兩個空格变秦，然后就好了…（不要問為什么成榜，我也不知道為什么）
然后調(diào)用?graphviz執(zhí)行繪制圖形
dot -Tjpg lc-is.dot -o tree.jpg
結(jié)果如下：
