Phân lớp dữ liệu bằng cây quyết định với Python

chuc103@gmail.com, bis.net.vn

Cây quyết định (Decision Tree) là kỹ thuật phân lớp dữ liệu được sử dụng phổ biến trong khai phá dữ liệu bởi tính đơn giản, dễ hiểu và hiệu quả. (xem thêm về cây quyết định ở đây: http://bis.net.vn/forums/p/378/661.aspx)

Bài viết này minh họa cách sử dụng Python để phân lớp dữ liệu

Mô tả dataset: Dữ liệu về kết quả chạy quảng cáo trên 3 kênh truyền thông của một công ty, gồm  4 cột và 200 dòng như sau:

Step 1: Load các thư viện và đọc dữ liệu từ file Excel:

Step 2.  Thống kê mô tả dữ liệu

Step 3. Visualize the dataset

Step 4. Rời rạc hóa dữ liệu, chuyển dữ liệu trong cột sales từ liên tục sang rời rạc gồm 3 giá trị: Low, Medium và High

Step 5. Xóa cột sales

Step 6. Chuẩn bị dữ liệu để huấn luyện mô hình (train|test split): 70% training set và xây dựng mô hình cây quyết định.

Step 7. Các tham số đánh giá mô hình cây quyết định

Step 8. Hiệu suất của mô hình và sử dụng mô hình để dự đoán

Step 9. Đánh giá mức độ ảnh hưởng của các thuộc tính

Step 10. Visualize cây quyết định