隨著機器學習模型在預測和分析數據方面變得越來越流行，隨機森林算法的使用正在獲得動力。隨機森林是一種監督學習算法，用于機器學習領域的回歸和分類任務。它的工作原理是在訓練時構建大量決策樹并輸出類，即類的模式（分類）或單個樹的平均預測（回歸）。

在本文中，我們將討論如何使用在線真實數據集實現隨機森林算法。我們還將提供詳細的代碼解釋和每個步驟的描述，以及對模型性能和可視化的評估。

我們將使用的數據集是“Breast Cancer Wisconsin (Diagnostic) Dataset”，它是公開可用的，可以通過 UCI 機器學習存儲庫訪問。該數據集有 569 個實例，具有 30 個屬性和兩個類別——惡性和良性。我們的目標是根據 30 個屬性對這些實例進行分類，并確定它們是良性還是惡性。您可以從https://www.kaggle.com/datasets/uciml/breast-cancer-wisconsin-data下載數據集。

首先，我們將導入必要的庫：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

接下來，我們將加載數據集：

df = pd.read_csv(r"C:\Users\User\Downloads\data\breast_cancer_wisconsin_diagnostic_dataset.csv")
df

輸出：

在構建模型之前，我們需要對數據進行預處理。由于 'id' 和 'Unnamed: 32' 列對我們的模型沒有用，我們將刪除它：

df = df.drop([ 'id' , 'Unnamed: 32' ], axis=1) 
df

輸出：

接下來，我們將把“診斷”列分配給我們的目標變量并將其從我們的特征中刪除：

target = df['diagnosis']
features = df.drop('diagnosis', axis=1)

我們現在將把我們的數據集分成訓練集和測試集。我們將使用 70% 的數據進行訓練，30% 的數據用于測試：

X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.3, random_state=42)

通過我們的數據預處理并分成訓練和測試集，我們現在可以構建我們的隨機森林模型：

rf = RandomForestClassifier(n_estimators=100, random_state=42) 
rf.fit(X_train, y_train)

在這里，我們將森林中的決策樹數量設置為 100，并設置了隨機狀態以確保結果的可重復性。

現在，我們可以評估模型的性能。我們將使用準確度分數、混淆矩陣和分類報告進行評估：

y_pred = rf.predict(X_test)

# 準確度分數
print("Accuracy Score:", accuracy_score(y_test, y_pred))
# Confusion Matrix
conf_matrix = confusion_matrix(y_test, y_pred)
print("Confusion Matrix:\n", conf_matrix)
# Classification Report
class_report = classification_report(y_test, y_pred)
print("Classification Report:\n", class_report)

輸出：

準確性得分告訴我們模型在正確分類實例方面的表現如何。混淆矩陣讓我們更好地了解我們模型的分類性能。分類報告為我們提供了兩個類別的精度、召回率、f1 分數和支持值。

最后，我們可以可視化模型中每個特征的重要性。我們可以通過創建一個顯示特征重要性值的條形圖來做到這一點：

importance = rf.feature_importances_
feat_imp = pd.Series(importance, index=features.columns)
feat_imp = feat_imp.sort_values(ascending=False)

plt.figure(figsize=(12,8))
feat_imp.plot(kind='bar')
plt.ylabel('Feature Importance Score')
plt.title("Feature Importance")
plt.show()

輸出：

此條形圖按降序顯示每個特征的重要性。我們可以看到前三個重要特征是“凹點均值”、“凹點最差”和“區域最差”。

總之，在機器學習中實施隨機森林算法是分類任務的強大工具。我們可以使用它根據多個特征對實例進行分類并評估我們模型的性能。在本文中，我們使用了在線真實數據集，并提供了詳細的代碼解釋和每個步驟的描述，以及對模型性能和可視化的評估。