行業(yè)觀瞻

技術(shù)熱點(diǎn)

面試寶典

青鳥動態(tài)

資料下載

其他

在線咨詢

【python】四個行為特征來判斷是否需要對該人進(jìn)行核酸檢測！

來源：北大青鳥總部 2020年07月08日 13:19

摘要：【python】四個行為特征來判斷是否需要對該人進(jìn)行核酸檢測！

“To be，ornot to be：thatis thequestion”（生存還是毀滅：這是一個問題），這是著名的莎士比亞悲劇《哈姆雷特》中的主人公一句非常經(jīng)典的獨(dú)白，也是數(shù)百年來經(jīng)常困擾人們的選擇問題。這段哈姆雷特式問題的臺詞，經(jīng)常用來形容一個人在猶豫在思考時候的兩難情況，用現(xiàn)代人的說法就是“選擇困難癥”。人們經(jīng)常糾結(jié)于各種選擇，生怕選錯了，就會陷入“藍(lán)瘦香菇”的困境。

人們在面臨選擇難題的時候經(jīng)常想：如果能未卜先知，那該多好。實(shí)際上，在人工智能領(lǐng)域，就有一種預(yù)測算法，利用樹杈的形狀，非常形象地來解決這種選擇問題，這就是決策樹算法，它是一個非常廣泛應(yīng)用的算法，其原理是通過對一系列問題進(jìn)行“是/否”的推導(dǎo)，最終實(shí)現(xiàn)決策。在機(jī)器學(xué)習(xí)發(fā)展到如今，決策樹算法越來越得到更多的應(yīng)用，我們也可以說它是解決“選擇困難癥”的良藥。本文為了讓讀者朋友較好理解該算法，用python編程進(jìn)行一個實(shí)際應(yīng)用的示范。

新冠檢測和決策樹的基本原理

決策樹算法是一種典型的、逼近離散函數(shù)值的分類方法。主要是先對數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數(shù)據(jù)進(jìn)行分析。決策樹算法應(yīng)用非常廣泛，例如在目前新冠疫情下，由于核酸檢測條件和資源有限，不能夠?qū)λ腥硕歼M(jìn)行檢測，因此對有疑似感染人員的一些行為特征進(jìn)行推導(dǎo)，最終判斷其是否需要進(jìn)行核酸檢測來進(jìn)一步確診，也是很有必要的。比如調(diào)查和征詢病人的近期行為：“去過醫(yī)院或高危聚集地、防護(hù)措施是否到位、有病患接觸史、是否發(fā)燒咳嗽”，這四個行為特征來判斷是否需要對該人進(jìn)行核酸檢測，從而進(jìn)一步確診。

圖中最末端的5個節(jié)點(diǎn)，就是選擇后的判定結(jié)果，也稱為決策樹的樹葉。如果樣本的特征特別多、數(shù)據(jù)量大，就需要使用機(jī)器學(xué)習(xí)的辦法來建立決策樹的模型進(jìn)行預(yù)測了。其中，決策樹算法的最大深度，也就是其max_depth參數(shù)，代表了決策樹的復(fù)雜程度，即上述例子中做出問題判斷的數(shù)量，問題判斷數(shù)量越多，就代表決策樹的深度越深，這個模型的計算也越復(fù)雜。

在上面的例子中，決策樹很形象地把新冠疑似人員的幾類行為做了推導(dǎo)，如果一個疑似人員雖然“沒有去過醫(yī)院或高危聚集地、但是有病患接觸史”，就要考慮做核酸檢測；如果一個疑似人員“去過醫(yī)院或高危聚集地、防護(hù)措施不到位、并且發(fā)燒咳嗽”，說明該病人感染可能性較大，就需要做核酸檢測。通過決策樹算法，對疑似人員進(jìn)行選擇核酸檢測或不檢測的判定進(jìn)行預(yù)測，解決了核算檢測的選擇問題。

（注：以上例子僅為了解釋決策樹算法的模擬描述，不一定代表真實(shí)情況）

決策樹算法解決選擇困難癥

隨著新冠疫情逐步得到緩解，長期宅在家中的人們都開始考慮去戶外游玩，可是天氣越來越熱、或者下雨、大風(fēng)等，能不能帶家人一起出去游山玩水還得看老天爺?shù)哪樕Ｐ∶骷矣幸粋€剛滿四歲的小孩，疫情期間，“小神獸”在家里都快憋瘋了，天天在家里是上躥下跳的。馬上就是周末了，小明看著家里被折騰的一片狼藉，他必須要做出周末是否能出行游玩的決策。同時他正好是一個大數(shù)據(jù)工程師，當(dāng)然可以借助人工智能算法來預(yù)測天氣以及出行的可能性，從而做出一個全家出行游玩的計劃。本文就通過決策樹算法，利用積累了一定時間的歷史天氣數(shù)據(jù)，模擬一下小明的預(yù)測，看看這個周末他能不能帶全家一起出行游玩。

一、準(zhǔn)備數(shù)據(jù)集

我們采用的數(shù)據(jù)集包含如下特征字段（為簡略過程，將數(shù)據(jù)集的各自段值全部轉(zhuǎn)換為數(shù)字）：

日期-date、天氣-outlook（0-晴天、1-陰天、2-雨天）、氣溫-temperature（0-炎熱、1-適中、2-寒冷）、濕度-humidity（0-高、1-中、2-低）、大風(fēng)-strongwind（0-有、1-無），另外還有一個輸出分類結(jié)果：出行的選擇-choiceof journey（1-是、0-否）。

下面我們使用python導(dǎo)入數(shù)據(jù)集，并進(jìn)行查看

#載入numpy、pandas，

importnumpy as np

importpandas as pd

#使用pandas加載天氣數(shù)據(jù)集

data= pd.read_csv('weather.csv')

#顯示以下數(shù)據(jù)集前10行

data.head(10)

輸出運(yùn)行結(jié)果如下：

將數(shù)據(jù)集不必要的字段裁剪掉。

#把去掉預(yù)測目標(biāo)Choiceof journey后的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集X

data.drop(['date'],axis = 1, inplace = True)

X= data.drop(['choice of journey'], axis = 1)

#把預(yù)測目標(biāo)賦值給y

y= data['choice of journey'].values

二、建立決策樹模型并訓(xùn)練

生成訓(xùn)練集和測試集、使用決策樹算法建模并評估模型分?jǐn)?shù)。

fromsklearn.model_selection import train_test_split

#將數(shù)據(jù)集拆分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集

X_train,X_test, y_train, y_test = train_test_split(X, y, random_state=42)

#導(dǎo)入用于分類的決策樹模型

fromsklearn import tree

#設(shè)定決策樹分類器最大深度為5

DT_clf= tree.DecisionTreeClassifier(max_depth=5)

#擬合訓(xùn)練數(shù)據(jù)集

DT_clf.fit(X_train,y_train)

#打印模型的得分

print('決策樹模型得分：{:.2f}'.format(DT_clf.score(X_test,y_test)))

輸出結(jié)果為：

決策樹模型得分：0.85

可以看到，基于這個天氣數(shù)據(jù)集訓(xùn)練的模型得到了0.85的評分，也就是說這個模型的預(yù)測準(zhǔn)確率在85%，可以說預(yù)測準(zhǔn)確率還不錯，應(yīng)該能夠?yàn)樾∶鹘鉀Q出行的選擇問題了。

三、顯示決策樹的決策流程

在這個過程中，決策樹在每一層當(dāng)中都做了哪些事情呢？我們可以在Jupyternotebook中用一個名叫g(shù)raphviz的庫（首先需要借助Anaconda安裝這個庫），它能將決策樹的工作流程展示出來。輸入代碼：

#導(dǎo)入graphviz工具

importgraphviz

#導(dǎo)入決策樹中輸出graphviz的接口

fromsklearn.tree import export_graphviz

#加載決策樹分類模型，將工作流程輸出到dot文件

export_graphviz(DT_clf,out_file=" weather.dot", class_names="choice ofjourney",feature_names=["outlook","temperature","humidity","strongwind"], impurity=False, filled=True)

#打開這個dot文件

withopen("weather.dot") as f:

dot_graph= f.read()

#顯示dot文件中的圖形

graphviz.Source(dot_graph)

輸出結(jié)果為：

上圖非常清晰地展現(xiàn)了決策樹是如何進(jìn)行預(yù)測的，可以看出，決策樹模型首先對濕度進(jìn)行判斷，在濕度小于或等于0.5這個條件為True的情況下，決策樹判斷分類為c，如果是False，則判斷為h，到下一層則對天氣和溫度進(jìn)行判斷，進(jìn)一步對樣本進(jìn)行分類，以此類推，直到將樣本全部放進(jìn)2個分類當(dāng)中。

四、預(yù)測周末是否出行游玩

模型建立好了，小明可以開始籌備周末的出行大計了，剛剛天氣預(yù)告廣播報道：本周末天氣為——多云、氣溫26度（適中）、濕度65%（稍高）、風(fēng)力3級（無大風(fēng)）。

按之前對特征字段設(shè)定的對應(yīng)關(guān)系，各特征值解釋為數(shù)字是：[1,1,0,1]

我們可以利用上面步驟建立的決策樹模型來預(yù)測一下，看看小明周末能不能帶全家出去游玩。

#輸入本周末的天氣數(shù)據(jù)

weekend=[[1,1,0,1]]

#使用決策樹模型做出預(yù)測

pre= DT_clf.predict(weekend)

ifpre == 1:

  print("預(yù)測結(jié)果：[周末天氣不錯，可以去游玩！]")

else:

  print("預(yù)測結(jié)果：[很遺憾，周末天氣不好，別去了]")

輸出結(jié)果如下：

預(yù)測結(jié)果：[周末天氣不錯，可以去游玩！]

小明得到以上預(yù)測結(jié)果也很興奮，馬上開始準(zhǔn)備出行計劃、路線和設(shè)備。周末小明全家人高高興興地踏了一次青，大家反映都很不錯，小明的父親形象頓時偉岸起來?。決策樹算法解決了小明出行的“選擇困難癥”，小明也算利用他掌握的算法知識為家里做了一次貢獻(xiàn)。

決策樹的優(yōu)化算法

決策樹算法（DecisionTree）在機(jī)器學(xué)習(xí)算法中，算是一個非常基礎(chǔ)的算法，使用和預(yù)測也比較簡單。以上的例子是一個理想狀況的闡述，在機(jī)器學(xué)習(xí)的實(shí)際項(xiàng)目中，決策樹算法經(jīng)常會出現(xiàn)過擬合的問題，這會讓模型的泛化性能大打折扣。為了避免過擬合的問題出現(xiàn)，在決策書算法的基礎(chǔ)之上，科學(xué)家們又衍生出隨機(jī)森林（RandomForests）和梯度上升決策樹（GradientBoosted DecisionTrees，簡稱GBDT）算法，大大優(yōu)化了決策樹算法。限于篇幅，本文對這兩個算法就不再深入介紹了，有興趣的讀者朋友可以自行學(xué)習(xí)和編程操作。