python四个行为特征来判断是否需要对该人进行核酸检测

　　＂To be，ornot to be：thatis thequestion＂（生存还是毁灭：这是一个问题），这是著名的莎士比亚悲剧《哈姆雷特》中的主人公一句非常经典的独白，也是数百年来经常困扰人们的选择问题。这段哈姆雷特式问题的台词，经常用来形容一个人在犹豫在思考时候的两难情况，用现代人的说法就是＂选择困难症＂。人们经常纠结于各种选择，生怕选错了，就会陷入＂蓝瘦香菇＂的困境。
　　人们在面临选择难题的时候经常想：如果能未卜先知，那该多好。实际上，在人工智能领域，就有一种预测算法，利用树杈的形状，非常形象地来解决这种选择问题，这就是决策树算法，它是一个非常广泛应用的算法，其原理是通过对一系列问题进行＂是/否＂的推导，最终实现决策。在机器学习发展到如今，决策树算法越来越得到更多的应用，我们也可以说它是解决＂选择困难症＂的良药。本文为了让读者朋友较好理解该算法，用python编程进行一个实际应用的示范。
　　新冠检测和决策树的基本原理
　　决策树算法是一种典型的、逼近离散函数值的分类方法。主要是先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。决策树算法应用非常广泛，例如在目前新冠疫情下，由于核酸检测条件和资源有限，不能够对所有人都进行检测，因此对有疑似感染人员的一些行为特征进行推导，最终判断其是否需要进行核酸检测来进一步确诊，也是很有必要的。比如调查和征询病人的近期行为：＂去过医院或高危聚集地、防护措施是否到位、有病患接触史、是否发烧咳嗽＂，这四个行为特征来判断是否需要对该人进行核酸检测，从而进一步确诊。
　　图中最末端的5个节点，就是选择后的判定结果，也称为决策树的树叶。如果样本的特征特别多、数据量大，就需要使用机器学习的办法来建立决策树的模型进行预测了。其中，决策树算法的最大深度，也就是其max_depth参数，代表了决策树的复杂程度，即上述例子中做出问题判断的数量，问题判断数量越多，就代表决策树的深度越深，这个模型的计算也越复杂。
　　在上面的例子中，决策树很形象地把新冠疑似人员的几类行为做了推导，如果一个疑似人员虽然＂没有去过医院或高危聚集地、但是有病患接触史＂，就要考虑做核酸检测；如果一个疑似人员＂去过医院或高危聚集地、防护措施不到位、并且发烧咳嗽＂，说明该病人感染可能性较大，就需要做核酸检测。通过决策树算法，对疑似人员进行选择核酸检测或不检测的判定进行预测，解决了核酸检测的选择问题。
　　（注：以上例子仅为了解释决策树算法的模拟描述，不一定代表真实情况）
　　决策树算法解决选择困难症
　　随着新冠疫情逐步得到缓解，长期宅在家中的人们都开始考虑去户外游玩，可是天气越来越热、或者下雨、大风等，能不能带家人一起出去游山玩水还得看老天爷的脸色。小明家有一个刚满四岁的小孩，疫情期间，＂小神兽＂在家里都快憋疯了，天天在家里是上蹿下跳的。马上就是周末了，小明看着家里被折腾的一片狼藉，他必须要做出周末是否能出行游玩的决策。同时他正好是一个大数据工程师，当然可以借助人工智能算法来预测天气以及出行的可能性，从而做出一个全家出行游玩的计划。本文就通过决策树算法，利用积累了一定时间的历史天气数据，模拟一下小明的预测，看看这个周末他能不能带全家一起出行游玩。
　　一、准备数据集
　　我们采用的数据集包含如下特征字段（为简略过程，将数据集的各字段值全部转换为数字）：
　　日期-date、天气-outlook（0-晴天、1-阴天、2-雨天）、气温-temperature（0-炎热、1-适中、2-寒冷）、湿度-humidity（0-高、1-中、2-低）、大风-strongwind（0-有、1-无），另外还有一个输出分类结果：出行的选择-choiceof journey（1-是、0-否）。
　　下面我们使用python导入数据集，并进行查看
　　#载入numpy、pandas，
　　importnumpy as np
　　importpandas as pd
　　#使用pandas加载天气数据集
　　data= pd.read_csv(＂weather.csv＂)
　　#显示以下数据集前10行
　　data.head(10)
　　输出运行结果如下：
　　将数据集不必要的字段裁剪掉。
　　#把去掉预测目标Choiceof journey后的数据集作为训练数据集X
　　data.drop([＂date＂],axis = 1, inplace = True)
　　X= data.drop([＂choice of journey＂], axis = 1)
　　#把预测目标赋值给y
　　y= data[＂choice of journey＂].values
　　二、建立决策树模型并训练
　　生成训练集和测试集、使用决策树算法建模并评估模型分数。
　　fromsklearn.model_selection import train_test_split
　　#将数据集拆分为训练数据集和测试数据集
　　X_train,X_test, y_train, y_test = train_test_split(X, y, random_state=42)
　　#导入用于分类的决策树模型
　　fromsklearn import tree
　　#设定决策树分类器最大深度为5
　　DT_clf= tree.DecisionTreeClassifier(max_depth=5)
　　#拟合训练数据集
　　DT_clf.fit(X_train,y_train)
　　#打印模型的得分
　　print(＂决策树模型得分：{:.2f}＂.format(DT_clf.score(X_test,y_test)))
　　输出结果为：
　　决策树模型得分：0.85
　　可以看到，基于这个天气数据集训练的模型得到了0.85的评分，也就是说这个模型的预测准确率在85%，可以说预测准确率还不错，应该能够为小明解决出行的选择问题了。
　　三、显示决策树的决策流程
　　在这个过程中，决策树在每一层当中都做了哪些事情呢？我们可以在Jupyternotebook中用一个名叫graphviz的库（首先需要借助Anaconda安装这个库），它能将决策树的工作流程展示出来。输入代码：
　　#导入graphviz工具
　　importgraphviz
　　#导入决策树中输出graphviz的接口
　　fromsklearn.tree import export_graphviz
　　#加载决策树分类模型，将工作流程输出到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)
　　#打开这个dot文件
　　withopen(＂weather.dot＂) as f:
　　dot_graph= f.read()
　　#显示dot文件中的图形
　　graphviz.Source(dot_graph)
　　输出结果为：
　　上图非常清晰地展现了决策树是如何进行预测的，可以看出，决策树模型首先对湿度进行判断，在湿度小于或等于0.5这个条件为True的情况下，决策树判断分类为c，如果是False，则判断为h，到下一层则对天气和温度进行判断，进一步对样本进行分类，以此类推，直到将样本全部放进2个分类当中。
　　四、预测周末是否出行游玩
　　模型建立好了，小明可以开始筹备周末的出行大计了，刚刚天气预告广播报道：本周末天气为——多云、气温26度（适中）、湿度65%（稍高）、风力3级（无大风）。
　　按之前对特征字段设定的对应关系，各特征值解释为数字是：[1,1,0,1]
　　我们可以利用上面步骤建立的决策树模型来预测一下，看看小明周末能不能带全家出去游玩。
　　#输入本周末的天气数据
　　weekend=[[1,1,0,1]]
　　#使用决策树模型做出预测
　　pre= DT_clf.predict(weekend)
　　ifpre == 1:
　　print(＂预测结果：[周末天气不错，可以去游玩！]＂)
　　else:
　　print(＂预测结果：[很遗憾，周末天气不好，别去了]＂)
　　输出结果如下：
　　预测结果：[周末天气不错，可以去游玩！]
　　小明得到以上预测结果也很兴奋，马上开始准备出行计划、路线和设备。周末小明全家人高高兴兴地踏了一次青，大家反映都很不错，小明的父亲形象顿时伟岸起来。决策树算法解决了小明出行的＂选择困难症＂，小明也算利用他掌握的算法知识为家里做了一次贡献。
　　决策树的优化算法
　　决策树算法（DecisionTree）在机器学习算法中，算是一个非常基础的算法，使用和预测也比较简单。以上的例子是一个理想状况的阐述，在机器学习的实际项目中，决策树算法经常会出现过拟合的问题，这会让模型的泛化性能大打折扣。为了避免过拟合的问题出现，在决策书算法的基础之上，科学家们又衍生出随机森林（RandomForests）和梯度上升决策树（GradientBoosted DecisionTrees，简称GBDT）算法，大大优化了决策树算法。限于篇幅，本文对这两个算法就不再深入介绍了，有兴趣的读者朋友可以自行学习和编程操作。