Les arbres posent des questions

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 27 sur 58.

Ce chapitre se termine par un arbre qui explique un prêt agricole. Un arbre de décision joue au jeu des vingt questions : une question oui ou non à la fois sur une caractéristique, jusqu’à obtenir une réponse :

Un schéma en arbre. La case du haut demande : largeur des pétales de 0,8 cm ou moins ? Oui mène à setosa. Non mène à une deuxième case : longueur des pétales de 4,95 cm ou moins ? Oui mène à versicolor, non à virginica

L’entraînement choisit chaque question de façon à ce que ses réponses séparent les classes aussi nettement que possible :

from sklearn.tree import DecisionTreeClassifier

tree = DecisionTreeClassifier(max_depth=2, random_state=0)
tree.fit(X_train, y_train)  # longueur et largeur des pétales, cm
print(tree.predict([[4.5, 1.4]]))

Cela affiche [1], versicolor. max_depth=2 autorise deux questions par chemin. Aucun ajustement d’échelle n’est nécessaire : chaque question lit une caractéristique.

Défi

Moyen

Une boutique de location de matériel photo envoie un rappel par SMS lorsque le matériel risque d’être rendu en retard. Le code de départ sépare les locations passées et lit une nouvelle location dans le tableau à une ligne new_rental.

Entraîne un arbre de décision avec au plus 2 questions par chemin (random_state=0).
Affiche sa précision sur les données de test (3 décimales) et sa prédiction pour la nouvelle location : likely late pour 1, likely on time pour 0.

Pour une autre boutique :

Test accuracy: 0.792
This rental: likely on time

Essayez vous-même

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# Locations passées : 1 dans late signifie que le matériel a été rendu en retard
rentals = pd.read_csv("rentals.csv")
features = ["rental_weeks", "gear_value_usd", "customer_age", "late_before"]
X_train, X_test, y_train, y_test = train_test_split(rentals[features], rentals["late"], test_size=0.25, random_state=0)

# Une nouvelle location : le nombre de semaines réservées, la valeur du matériel, l’âge du client et le nombre de ses retours en retard jusqu’à présent
weeks = int(input())
value = int(input())
age = int(input())
late_before = int(input())
new_rental = pd.DataFrame([[weeks, value, age, late_before]], columns=features)

# Écrivez votre code ci-dessous