Как заставить мою модель дерева решений задавать вопросы на каждом узле - PullRequest
Новая
       5

Как заставить мою модель дерева решений задавать вопросы на каждом узле

3 голосов
/ 15 января 2020

Я работал над базовым c классификатором DecisionTree, и мне нужна моя модель, чтобы задавать вопросы на каждом узле. В основном мой предиктор болезни должен угадать болезнь на основе симптомов, рассказанных пользователем. Поэтому я хочу на каждом этапе спрашивать пользователя, есть ли у него указанный c симптом (расщепление по узлу), и использовать его для прогнозирования выходных данных.

Подробно, вот мой текущий фрагмент кода: 

import pandas as pd
import numpy as np
from sklearn import tree
..
..
#import data from db and store in variables
..
clf = tree.DecisionTreeClassifier(criterion='entropy', splitter='best')
clf = clf.fit(relations,diseaseCodes)

print(clf.predict([relations[10]]))

Здесь я должен предоставить полный список всех значений в одном go. Я хочу задавать свой пользовательский вопрос на каждом этапе, например, какой симптом у вас сейчас, и на основании этого классифицировать болезнь.

ПРИМЕЧАНИЕ :: Я знаю, что мое дерево решений перегружено.

1 Ответ

1 голос
/ 25 января 2020

Для этого вы можете вручную пройтись по подгонянному дереву, получив доступ к свойствам, недоступным через publi c api.

Сначала давайте возьмем подгонянное дерево, используя набор данных "iris": 

import numpy as np # linear algebra
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree
import matplotlib.pyplot as plt

data = load_iris()
clf = DecisionTreeClassifier(max_depth=3).fit(data['data'],data['target'])

Давайте визуализируем это дерево, в первую очередь для отладки нашей финальной программы: 

plt.figure(figsize=(10,8))
plot_tree(clf,feature_names=data['feature_names'],class_names=data['target_names'],filled=True);

Что выводит в моем случае: enter image description here

Теперь основной часть. Из этой ссылки мы знаем, что -

Двоичное дерево "tree_" представляется в виде ряда параллельных массивов. I-й элемент каждого массива содержит информацию об узле i.

. Нам нужны массивы feature, value, threshold и два children_*. Итак, начиная с root (i=0), мы сначала собираем функцию и порог для каждого посещаемого узла, запрашиваем у пользователя значение этой конкретной функции и переходим влево или вправо, сравнивая данное значение с порогом. Когда мы достигаем листа, мы находим самый частый класс в этом листе, и это заканчивает наш l oop. 

tree = clf.tree_
node = 0      #Index of root node
while True:
    feat,thres = tree.feature[node],tree.threshold[node]
    print(feat,thres)
    v = float(input(f"The value of {data['feature_names'][feat]}: "))
    if v<=thres:
        node = tree.children_left[node]
    else:
        node = tree.children_right[node]
    if tree.children_left[node] == tree.children_right[node]: #Check for leaf
        label = np.argmax(tree.value[node])
        print("We've reached a leaf")
        print(f"Predicted Label is: {data['target_names'][label]}")
        break

Пример такого запуска для вышеприведенного дерева: 

3 0.800000011920929
The value of petal width (cm): 1
3 1.75
The value of petal width (cm): 1.5
2 4.950000047683716
The value of petal length (cm): 5.96
We've reached a leaf
Predicted Label is: virginica
...