• Python实现决策树回归模型(DecisionTreeRegressor算法)并应用网格搜索算法调优项目实战


    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。

    1.项目背景

    决策树除了能进行分类分析,还能进行回归分析,即预测连续变量,此时的决策树称为回归决策树。回归问题是一类预测连续值的问题,而能满足这样要求的数学模型称作回归模型,本项目应用决策树回归模型进行探索新冠疫情、原材料、人工、物流等因素对零部件价格的影响

    本项目通过决策树回归算法进行构建模型。

    2.数据获取

    本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:

    数据详情如下(部分展示):

    3.数据预处理

    3.1 用Pandas工具查看数据

    使用Pandas工具的head()方法查看前五行数据:

     关键代码:

    3.2数据缺失查看

    使用Pandas工具的info()方法查看数据信息:

     从上图可以看到,总共有9个变量,数据中无缺失值,共101条数据。

    关键代码:

    3.3数据描述性统计

    通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

    关键代码如下:  

    4.探索性数据分析

    4.1 零件价格变量的折线图

    用Matplotlib工具的plot()方法绘制直方图:

     从上图可以看到,零部件价格整体在20到60之间波动。

    4.2 相关性分析

    从上图可以看出,数值越大相关性越强,正值是正相关、负值是负相关。材料费、加工费、管理费用、运输包装费用和零件价格是正相关,疫情防控等级1级是正相关 但是相关性不大,疫情防控等级2级3级是负相关,相关性也很小。

    4.3 数据的散点图

    通过散点图拟合线显示材料费和零件价格之间的趋势关系。

     从上图中可以看到,材料费变量和零售价格变量成线性相关。

    5.特征工程

    5.1 建立特征数据和标签数据

    关键代码如下:

    5.2 数据集拆分

    通过train_test_split()方法按照80%训练集、20%测试集进行划分,关键代码如下:

    6.构建决策树回归模型

    主要使用DecisionTreeRegressor算法,用于目标回归。

    6.1 默认参数模型构建

     6.2 决策树特征重要性分析

    从上图可以看到,疫情防控等级的重要性很小。

    6.3 递归特征消除法(RFE)选择特征

     从上图可以看到最优的特征数为3个,分别为:材料费、加工费、运输包装费用,即排名中为1的。通过和特征重要性的数值比对,重要性排名前3的也为材料费、加工费、运输包装费用,后面选择这3个特征进行再次建模。

    6.4 通过网格搜索寻找最优参数值

    关键代码如下:

     6.5 最优参数值构建模型

    7.模型评估

    7.1评估指标及结果

    评估指标主要包括R方、均方误差、解释性方差、绝对误差等等。

     从上表可以看出,特征选择和网格搜索调优后的决策树回归模型R方为0. 9246 高于调优前的0.8199,同时可解释性方差也高于调优前的数值。

    关键代码如下:

    7.2 真实值与预测值对比图

    从上图可以看出真实值和预测值波动基本一致,模型效果良好。

     7.3 决策树回归模型可视化

    8.结论与展望

    综上所述,本文采用了决策树算法构建回归模型,并进行了特征重要性分析、通过递归特征消除法进行选择特征、通过网格搜索寻找最优参数值,并应用最优参数值进行构建模型,最终证明了我们提出的模型效果良好。此模型可用于日常产品的预测。

    1. # 本次机器学习项目实战所需的资料,项目资源如下:
    2. # 项目说明:
    3. # 链接:https://pan.baidu.com/s/1_P4XLdvMPUnV0Wu8y8n0Cw
    4. # 提取码:qn0h
    5. # 用Pandas工具查看数据
    6. print(data.head())
    7. print('******************************')
    8. # 数据缺失值统计
    9. print(data.info())
    10. print('******************************')
    11. # 描述性统计分析
    12. print(data.describe())
    13. print('******************************')
    14. data = data.drop(columns=['日期']) # 去掉日期字段
    15. # 零件价格变量的折线图
    16. plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
    17. plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
    18. plt.plot(data.index, data['零件价格'], color='#F94306', label='零件价格') # 绘制折线图
    19. plt.xlabel("索引") # 设置x轴名称
    20. plt.ylabel("数值") # 设置y轴名称
    21. plt.title('零件价格变量折线图') # 设置标题
  • 相关阅读:
    【2023.10.25练习】数据库-函数2
    洗衣洗鞋店小程序对接水洗唛打印,一键预约,支付无忧
    县域农牧业信息化项目建设技术解决方案(完整版本)
    截图工具分享(可截成gif动图)
    【MySQL | 运维篇】05、MySQL 分库分表之 使用 MyCat 分片
    微服务框架 SpringCloud微服务架构 3 Eureka 3.1 提供者与消费者
    Android开发常见的报错问题(持续更新记录)
    我的考研经历
    Matlab/C++源码实现RGB通道与HSV通道的转换(效果对比Halcon)
    【SemiDrive源码分析】【MailBox核间通信】43 - 基于Mailbox IPCC RPC 实现核间通信(代码实现篇)
  • 原文地址:https://blog.csdn.net/weixin_42163563/article/details/127508793