ScikitLearn-ランダム化された決定木

この章は、Sklearnのランダム化された決定木を理解するのに役立ちます。

ランダム化された決定木アルゴリズム

DTは通常、データを再帰的に分割することによってトレーニングされますが、過剰適合する傾向があるため、データのさまざまなサブサンプルで多くのツリーをトレーニングすることにより、ランダムフォレストに変換されています。ザ・sklearn.ensemble モジュールは、ランダム化された決定木に基づいて次の2つのアルゴリズムを持っています-

ランダムフォレストアルゴリズム

検討中の各機能について、ローカルで最適な機能/分割の組み合わせを計算します。ランダムフォレストでは、アンサンブル内の各決定木は、トレーニングセットからの置換で抽出されたサンプルから構築され、各決定木から予測を取得し、最終的に投票によって最適なソリューションを選択します。分類タスクと回帰タスクの両方に使用できます。

ランダムフォレストによる分類

ランダムフォレスト分類子を作成するために、Scikit-learnモジュールは sklearn.ensemble.RandomForestClassifier。ランダムフォレスト分類子を構築する際、このモジュールが使用する主なパラメーターは次のとおりです。‘max_features’ そして ‘n_estimators’

ここに、 ‘max_features’ノードを分割するときに考慮する機能のランダムなサブセットのサイズです。このパラメーターの値をnoneに選択すると、ランダムなサブセットではなく、すべての機能が考慮されます。一方、n_estimators森の中の木の数です。木の数が多いほど、結果は良くなります。ただし、計算にも時間がかかります。

実装例

次の例では、を使用してランダムフォレスト分類器を構築しています。 sklearn.ensemble.RandomForestClassifier また、を使用してその精度をチェックします cross_val_score モジュール。

from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_blobs
from sklearn.ensemble import RandomForestClassifier
X, y = make_blobs(n_samples = 10000, n_features = 10, centers = 100,random_state = 0) RFclf = RandomForestClassifier(n_estimators = 10,max_depth = None,min_samples_split = 2, random_state = 0)
scores = cross_val_score(RFclf, X, y, cv = 5)
scores.mean()

出力

0.9997

sklearnデータセットを使用してランダムフォレスト分類器を構築することもできます。次の例のように、アイリスデータセットを使用しています。また、その精度スコアと混同行列もあります。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

path = "https://archive.ics.uci.edu/ml/machine-learning-database
s/iris/iris.data"
headernames = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'Class']
dataset = pd.read_csv(path, names = headernames)
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 4].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30)
RFclf = RandomForestClassifier(n_estimators = 50)
RFclf.fit(X_train, y_train)
y_pred = RFclf.predict(X_test)
result = confusion_matrix(y_test, y_pred)
print("Confusion Matrix:")
print(result)
result1 = classification_report(y_test, y_pred)
print("Classification Report:",)
print (result1)
result2 = accuracy_score(y_test,y_pred)
print("Accuracy:",result2)

出力

Confusion Matrix:
[[14 0 0]
[ 0 18 1]
[ 0 0 12]]
Classification Report:
                  precision recall f1-score support
Iris-setosa       1.00        1.00  1.00     14
Iris-versicolor   1.00        0.95  0.97     19
Iris-virginica    0.92        1.00  0.96     12

micro avg         0.98        0.98  0.98     45
macro avg         0.97        0.98  0.98     45
weighted avg      0.98        0.98  0.98     45

Accuracy: 0.9777777777777777

ランダムフォレストによる回帰

ランダムフォレスト回帰を作成するために、Scikit-learnモジュールは sklearn.ensemble.RandomForestRegressor。ランダムフォレストリグレッサを構築している間、それはによって使用されるのと同じパラメータを使用しますsklearn.ensemble.RandomForestClassifier

実装例

次の例では、を使用してランダムフォレストリグレッサを構築しています。 sklearn.ensemble.RandomForestregressor また、predict()メソッドを使用して新しい値を予測します。

from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression
X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False)
RFregr = RandomForestRegressor(max_depth = 10,random_state = 0,n_estimators = 100)
RFregr.fit(X, y)

出力

RandomForestRegressor(
   bootstrap = True, criterion = 'mse', max_depth = 10,
   max_features = 'auto', max_leaf_nodes = None,
   min_impurity_decrease = 0.0, min_impurity_split = None,
   min_samples_leaf = 1, min_samples_split = 2,
   min_weight_fraction_leaf = 0.0, n_estimators = 100, n_jobs = None,
   oob_score = False, random_state = 0, verbose = 0, warm_start = False
)

適合したら、回帰モデルから次のように予測できます。

print(RFregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

出力

[98.47729198]

エクストラツリーメソッド

検討中の機能ごとに、分割のランダムな値を選択します。追加のツリーメソッドを使用する利点は、モデルの分散をもう少し減らすことができることです。これらの方法を使用することの欠点は、バイアスがわずかに増加することです。

エクストラツリー法による分類

Extra-treeメソッドを使用して分類子を作成するために、Scikit-learnモジュールは sklearn.ensemble.ExtraTreesClassifier。によって使用されるのと同じパラメータを使用しますsklearn.ensemble.RandomForestClassifier。唯一の違いは、上で説明したように、ツリーを構築する方法にあります。

実装例

次の例では、を使用してランダムフォレスト分類器を構築しています。 sklearn.ensemble.ExtraTreeClassifier また、を使用してその精度を確認します cross_val_score モジュール。

from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_blobs
from sklearn.ensemble import ExtraTreesClassifier
X, y = make_blobs(n_samples = 10000, n_features = 10, centers=100,random_state = 0)
ETclf = ExtraTreesClassifier(n_estimators = 10,max_depth = None,min_samples_split = 10, random_state = 0)
scores = cross_val_score(ETclf, X, y, cv = 5)
scores.mean()

出力

1.0

sklearnデータセットを使用して、Extra-Treeメソッドを使用して分類子を構築することもできます。次の例のように、Pima-Indianデータセットを使用しています。

from pandas import read_csv

from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import ExtraTreesClassifier
path = r"C:\pima-indians-diabetes.csv"
headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(path, names=headernames)
array = data.values
X = array[:,0:8]
Y = array[:,8]
seed = 7
kfold = KFold(n_splits=10, random_state=seed)
num_trees = 150
max_features = 5
ETclf = ExtraTreesClassifier(n_estimators=num_trees, max_features=max_features)
results = cross_val_score(ETclf, X, Y, cv=kfold)
print(results.mean())

出力

0.7551435406698566

エクストラツリー法による回帰

を作成するため Extra-Tree 回帰、Scikit-learnモジュールは提供します sklearn.ensemble.ExtraTreesRegressor。ランダムフォレストリグレッサを構築している間、それはによって使用されるのと同じパラメータを使用しますsklearn.ensemble.ExtraTreesClassifier

実装例

次の例では、 sklearn.ensemble.ExtraTreesregressorランダムフォレストリグレッサを作成するときに使用したのと同じデータ。出力の違いを見てみましょう

from sklearn.ensemble import ExtraTreesRegressor
from sklearn.datasets import make_regression
X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False)
ETregr = ExtraTreesRegressor(max_depth = 10,random_state = 0,n_estimators = 100)
ETregr.fit(X, y)

出力

ExtraTreesRegressor(bootstrap = False, criterion = 'mse', max_depth = 10,
   max_features = 'auto', max_leaf_nodes = None,
   min_impurity_decrease = 0.0, min_impurity_split = None,
   min_samples_leaf = 1, min_samples_split = 2,
   min_weight_fraction_leaf = 0.0, n_estimators = 100, n_jobs = None,
   oob_score = False, random_state = 0, verbose = 0, warm_start = False)

適合したら、回帰モデルから次のように予測できます。

print(ETregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

出力

[85.50955817]