决策树案例二 例4.6

机器学习4.6.zip

1. 进入算盘-应用开发，点击导入-选择下载好的流程包完成导入。

2. 进入项目，点击运行-调试，等待项目开始运行。
3. 选中机器学习组件，在参数设置面板中，点击配置-新窗口打开。
4. 在组件列表-数据集中拖出文件上传，在参数设置面板中，上传乳癌数据集。

breast_cancer.csv

5. 在组件列表-数据预处理中拖出拆分训练集，在参数设置面板中设置训练集比例为0.8，用于构建分类器模型，其余数据将用作待预测数据。

6. 在组件列表-算法模型-分类中拖出决策树分类，在参数设置面板中设置特征字段为“radius_mean,texture_mean,perimeter_mean,area,smoothness_mean,compactness_mean,concavity_mean,concave_points_mean,symmetry_mean,fractal_dimension_mean,radius_se,texture_se,perimeter_se,area_se,smoothness_se,compactness_se,concavity_se,concave_points_se,symmetry_se,fractal_dimension_se,radius_worst,texture_worst,perimeter_worst,area_worst,smoothness_worst,compactness_worst,concavity_worst,concave_points_worst,symmetry_worst,fractal_dimension_worst”，设置标签字段为“cancer”，设置分裂准则为“gini”。

7. 在组件列表-算法模型-分类中拖出决策树分类，在参数设置面板中设置特征字段为“radius_mean,texture_mean,perimeter_mean,area,smoothness_mean,compactness_mean,concavity_mean,concave_points_mean,symmetry_mean,fractal_dimension_mean,radius_se,texture_se,perimeter_se,area_se,smoothness_se,compactness_se,concavity_se,concave_points_se,symmetry_se,fractal_dimension_se,radius_worst,texture_worst,perimeter_worst,area_worst,smoothness_worst,compactness_worst,concavity_worst,concave_points_worst,symmetry_worst,fractal_dimension_worst”，设置标签字段为“cancer”，设置分裂准则为“gini”，设置最大树深度为5，最大叶节点数为3。

8. 在组件列表-模型评估中拖出两个二分类模型评估，设置评估指标数值输出为“accuracy_score”，设置标签字段为“cancer”，预测字段为“prediction”。

9. 各组件接线如下图所示

10. 点击部署。分别右键点击两个二分类模型评估，单击查看评估结果（数值）即可查看评估结果。