지도학습 의사결정나무(Decision Tree)

[주인장]

* 의사결정 나무 

- 데이터 분로를 나누는 지도학습의 분류에 해당하는 모델 

- 연속적인 질문을 통해 결과를 제공하는 예측모델로서 사람이 조건에 따라 행동하고 판단하는 것을 머신러닝에 적용 

- 지도 학습의 분류가 어떻게 이루어지는지 잘 알려줌 

#붗꽃 데이터를 이용하여 의사 결정나무를 만드는 코드
from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier
from sklearn import tree

def main():
    # iris 데이터 로드
    dataset = datasets.load_iris()

    features = dataset.data
    targets = dataset.target;

    # 꽃잎의 길이와 넓이 정보만 특징으로 사용 (2)
    petal_features = features[:, 2:]

    # 의사결정 모델 클래스 생성 (3)
    #cIris = DecisionTreeClassifier(criterion='gini', max_depth=3)
    cIris = DecisionTreeClassifier(criterion='entropy', max_depth=3)

    # 모델을 훈련 (4)
    cIris.fit(petal_features, targets)

    # DOT 언어의 형식으로 결정 나무의 형태를 출력한다.
    with  open('iris-dtree.dot', mode='w') as f:
        tree.export_graphviz(cIris, out_file=f)

if __name__ == '__main__' :
    main()