代碼實現：

 1 # -*- coding: utf-8 -*-
 2 """
 3 Created on Thu Aug 30 08:48:18 2018
 4 
 5 @author: zhen
 6 """
 7 
 8 import numpy as np
 9 from sklearn.tree import DecisionTreeRegressor
10 import pandas as pd
11 import matplotlib.pyplot as plt
12 
13 file_path = ‘C:/Users/zhen/Desktop/jupyter_python/物資數據.csv‘
14
 
 #讀取物資類采購目錄sheet頁
15 pfzwkytz = pd.read_csv(file_path, engine=‘python‘, encoding=‘utf-8‘)
16 dic = dict()
17 # 對數據進行預處理，決策樹需要使用數值型數據，因此把字符型數據轉成對應的數值，相同字符對應的數值相同
18 def strlist_to_intlist(coll):
19     flt_list = []
20     loc = 0
21     for col in coll:
22         if not dic.__contains__(col):
23             dic[col] = loc
 
24             flt_list.append(loc)
25             loc = loc + 1
26         else:
27             flt_list.append(dic.get(col))
28     return flt_list
29         
30 
31 # 抽樣獲取測試數據和訓練數據
32 train_data = pfzwkytz.sample(frac=0.8)
33 test_data = pfzwkytz.append(train_data).drop_duplicates(keep=False)
34 
35
 
 train_x = np.array(strlist_to_intlist(train_data[‘四級分類‘])).reshape(-1, 1).astype(‘int‘)
36 train_y = np.array(train_data[‘批復數量‘]).reshape(-1, 1).astype(‘int‘)
37 
38 decision_tree_regressor = DecisionTreeRegressor(max_depth=10)
39 decision_tree_regressor.fit(train_x, train_y)
40 
41 # 創建測試數據
42 test_x = np.array(strlist_to_intlist(test_data[‘四級分類‘])).reshape(-1, 1).astype(‘int‘)
43 test_y = np.array(test_data[‘批復數量‘]).reshape(-1, 1).astype(‘int‘)
44 
45 y_hat = decision_tree_regressor.predict(test_x)
46 
47 plt.plot(test_x, test_y, "y^", label="actual")
48 plt.plot(test_x, y_hat, "b.", label="predict")
49 
50 plt.legend(loc="upper right")
51 plt.grid()
52 plt.show()

基於決策樹回歸：

基於決策樹分類：

總結：可知在使用同一數據源抽樣訓練模型中，使用回歸進行擬合比使用分類效果更好！

決策樹實戰-根據物資目錄預測物資數量