【Scikit-learn】決定木分析で学習(CART法)

Pythonと機械学習ライブラリ「scikit-learn」を用いて、決定木分析で学習を行う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。

404 NOT FOUND | Python入門速報

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。

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