この記事では、Pythonと機械学習ライブラリ「scikit-learn」を用いて、決定木分析で学習したモデルを出力・保存する方法について解説します。
決定木分析とは
決定木分析 (Decision Tree Analysis)とは、決定木と呼ばれるデータ構造を用いて分類や回帰を行う学習手法です。
アルゴリズムがシンプルで、学習結果を可視化たり、事前にデータを正規化する手間を省けるといった利点があります。
決定木分析はCART法ともいいます。
【詳細】決定木分析のアルゴリズム（分類・回帰・木構造）
今回は、Python言語とscikit-learnモジュールで決定木分析で実装してきます。
sklearn.tree.DecisionTreeClassifier クラス
scikit-learnでは、sklearn.tree.DecisionTreeClassifierクラスを使うことで決定木分析を実装できます。
その使い方は下記の通りです。
【書式】
sklearn.tree.DecisionTreeClassifier(criterion=’gini’, splitter=’best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, class_weight=None, presort=False)※各パラメータに設定されてる値(=の後)はデフォルト値
| パラメータ | 内容 |
|---|---|
| criterion | ジニ係数「gini」か情報量「entropy」のどちらで分割するかを指定 |
| splitter | 各ノードの分割を「best (最適)」と「random (ランダム最適)」のどちらで行うか選択 |
| max_features | 最適な分割を探索する際に用いる特徴数の最大値 |
| max_depth | 決定木の深さの最大値 |
| min_samples_split | サンプルを枝に分割する数の最小値 |
| min_samples_leaf | サンプル1つが属する葉の数の最小値 |
| min_weight_fraction_leaf | 1つの葉に属する必要のあるサンプルの割合の最小値 |
| max_leaf_nodes | 作成する葉の数の最大値(指定した場合max_depthは無効化） |
| class_weight | 各説明変数の重み |
| random_state | 乱数のシードを指定（指定しない場合はnp.randomを利用） |
| presort | 高速化の目的で事前に入力データのソートを行うかどうか |
【参考文献】 http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html
今回は、学習した結果をファイルに出力・保存しました。
(sklearn.externals.joblib.dumpを使います）
ソースコード
サンプルプログラムのソースコードは下記の通りです。
【data.csv】
実行結果
【学習ファイル】
・output.clf
コメント