Karar ağacı nedir?

Karar ağacı, veriyi sorularla bölerek sınıflandıran ağaç benzeri bir modeldir.

Karar ağacı nedir?

Karar ağacı, veriyi evet/hayır sorularıyla adım adım böler: "boy > 170 mi?", "yaş < 30 mu?". Her iç düğüm bir soru, her yaprak bir karardır.

from sklearn.tree import DecisionTreeClassifier, export_text
X = [[20, 0], [25, 1], [40, 0], [50, 1]]   # yaş, ev sahibi mi
y = [0, 0, 1, 1]
m = DecisionTreeClassifier(random_state=0).fit(X, y)
print(export_text(m, feature_names=["yas", "ev"]))

Ağaçlar yorumlanabilir: modelin neden bir karar verdiği, köke kadar okunan kurallarla açıklanabilir.

Ölçeklendirme gerekmez

Ağaçlar her özelliği ayrı ayrı bir eşikle karşılaştırır; mesafe hesaplamaz. Bu yüzden ölçeklendirme sonucu değiştirmez ve karışık birimli veriyle doğrudan çalışır.

print(m.get_depth())      # ağacın derinliği
print(m.get_n_leaves())   # yaprak sayısı

Aynı aile regresyonda da çalışır: DecisionTreeRegressor yapraklarda o bölgedeki örneklerin ortalamasını tahmin eder.

Uygulama Ağaç kur

DecisionTreeClassifier(random_state=0) eğit; [[30, 1]] ve [[45, 0]] için tahminleri, ardından ağacın derinliğini yazdır.

Örnek çözümü göster

from sklearn.tree import DecisionTreeClassifier

X = [[20, 0], [25, 1], [40, 0], [50, 1]]
y = [0, 0, 1, 1]

m = DecisionTreeClassifier(random_state=0).fit(X, y)
print(m.predict([[30, 1], [45, 0]]))
print(m.get_depth())

Kendini test et

Karar ağacında bir yaprak düğüm neyi temsil eder?
- Bir özelliği
- Eğitim hatasını
- Son kararı (tahmini)
- Bir soruyu
Cevabı göster

Son kararı (tahmini) — İç düğümler soru sorar; yapraklar sınıf ya da değer verir.

Ağacın kurallarını metin olarak yazdır.

print(____(m, feature_names=["yas", "ev"]))

Cevabı göster

print(export_text(m, feature_names=["yas", "ev"]))

Parçaları eşleştir.

kök

İlk soru
iç düğüm

Ara soru
yaprak

Karar
get_depth()

Soru zincirinin uzunluğu

Sıradaki ders: Bölme kriteri

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler