《机器学习实战》——第3章代码详解(决策树)
来源:互联网 发布:交换机镜像端口配置 编辑:程序博客网 时间:2024/06/05 05:12
from math import log
import operator
def createDataSet(): # 创建数据集
dataSet = [[1,1,'yes'],
[1,1,'yes'],
[1,0,'no'],
[0,1,'no'],
[0,1,'no']]
labels=['no surfacing','flippers']
return dataSet,labels
def CalcShannonEnt(dataSet): # 计算信息熵
numEntries = len(dataSet) #计算数据集的输入个数
labelCounts = {} # 创建存储标签的元字典 #[]列表,{}元字典,()元组
for featVec in dataSet: #对数据集dataSet中的每一行featVec进行循环遍历
currentLabels =featVec[-1] # currentLabels为featVec的最后一个元素
if currentLabels not in labelCounts.keys():
# 如果标签currentLabels不在元字典对应的key中
labelCounts[currentLabels] = 0
#将标签currentLabels放到字典中作为key,并将值赋为0
labelCounts[currentLabels] += 1 # 将currentLabels对应的值加1
shannonEnt = 0.0 # 定义香农熵shannonEnt
for key in labelCounts: # 遍历元字典labelCounts中的key,即标签
prob = float(labelCounts[key])/numEntries # 计算每一个标签出现的频率,即概率
shannonEnt -= prob*log(prob,2) # 根据信息熵公式计算每个标签信息熵并累加到shannonEnt上
return shannonEnt # 返回求得的整个标签对应的信息熵
def splitDataSet(dataSet,axis,value): # 分割数据集
# dataSet数据集,axis是对应的要分割数据的列,value是要分割的列按哪个值分割,即找到含有该值的数据
retDataSet = [] # 定义要返回的数据集
for featVec in dataSet: # 遍历数据集中的每个特征,即输入数据
if featVec[axis] == value:
# 如果列标签对应的值为value,则将该条(行)数据加入到retDataSet中
reducedFeatVec = featVec[:axis]
# 取featVec的0-axis个数据,不包括axis,放到reducedFeatVec中
reducedFeatVec.extend(featVec[axis+1:])
# 取featVec的axis+1到最后的数据,放到reducedFeatVec的后面
retDataSet.append(reducedFeatVec) # 将reducedFeatVec添加到分割后的数据集retDataSet中,同时reducedFeatVec,retDataSet中没有了axis列的数据
return retDataSet # 返回分割后的数据集
def chooseBestFeatureToSplit(dataSet): # 选择使分割后信息增益最大的特征,即对应的列
numFeatures = len(dataSet[0]) - 1 # 获取特征的数目,从0开始,dataSet[0]是一条数据
baseEntropy = CalcShannonEnt(dataSet) # 计算数据集当前的信息熵
bestInfoGain = 0.0 # 定义最大的信息增益
bestFeature = -1 # 定义分割后信息增益最大的特征
# 遍历特征,即所有的列,计算每一列分割后的信息增益,找出信息增益最大的列
for i in range(numFeatures):
featList = [example[i] for example in dataSet]# 取出第i列特征赋给featList
# 将特征对应的值放到一个集合中,使得特征列的数据具有唯一性
uniqueVals = set(featList)
newEntropy = 0.0 # 定义分割后的信息熵
for value in uniqueVals: # 遍历特征列的所有值(值是唯一的,重复值已经合并),分割并计算信息增益
subDataSet = splitDataSet(dataSet, i, value)# 按照特征列的每个值进行数据集分割
prob = len(subDataSet) / float(len(dataSet)) # 计算分割后的每个子集的概率 # 计算分割后的子集的信息熵并相加,得到分割后的整个数据集的信息熵
newEntropy +=prob * CalcShannonEnt(subDataSet)
infoGain = baseEntropy - newEntropy # 计算分割后的信息增益
if(infoGain > bestInfoGain): # 如果分割后信息增益大于最好的信息增益
bestInfoGain = infoGain # 将当前的分割的信息增益赋值为最好信息增益
bestFeature = i # 分割的最好特征列赋为i
return bestFeature # 返回分割后信息增益最大的特征列
def majorityCnt(classList): # 对类标签进行投票 ,找标签数目最多的标签
classCount = {} # 定义标签元字典,key为标签,value为标签的数目
for vote in classList: # 遍历所有标签
if vote not in classCount.keys(): #如果标签不在元字典对应的key中
classCount[vote] = 0 # 将标签放到字典中作为key,并将值赋为0
classCount[vote] += 1 # 对应标签的数目加1
# 对所有标签按数目排序
sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0] # 返回数目最多的标签
def createTree(dataSet,labels): # 创建决策树
# 将dataSet的最后一列数据(标签)取出赋给classList,classList存储的是标签列
classList = [example[-1] for example in dataSet]
if classList.count(classList[0]) == len(classList): # 判断是否所有的列的标签都一致
return classList[0] # 直接返回标签列的第一个数据
if len(dataSet) == 1: # 判断dataSet是否只有一条数据
return majorityCnt(classList) # 返回标签列数据最多的标签
bestFeat = chooseBestFeatureToSplit(dataSet) # 选择一个使数据集分割后最大的特征列的索引
bestFeatLabel = labels[bestFeat] # 找到最好的标签
myTree = {bestFeatLabel:{}} # 定义决策树,key为bestFeatLabel,value为空
del(labels[bestFeat]) # 删除labels[bestFeat]对应的元素
featValues = [example[bestFeat] for example in dataSet] # 取出dataSet中bestFeat列的所有值
uniqueVals = set(featValues) # 将特征对应的值放到一个集合中,使得特征列的数据具有唯一性
for value in uniqueVals:# 遍历uniqueVals中的值
subLabels = labels[:] # 子标签subLabels为labels删除bestFeat标签后剩余的标签
# myTree为key为bestFeatLabel时的决策树
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet,bestFeat, value), subLabels)
return myTree # 返回决策树
def classify(inputTree,featLabels,testVec): # 决策树分类函数
firstStr = inputTree.keys()[0] # 得到树中的第一个特征
secondDict = inputTree[firstStr] # 得到第一个对应的值
featIndex = featLabels.index(firstStr) # 得到树中第一个特征对应的索引
for key in secondDict.keys(): # 遍历树
if testVec[featIndex] == key: # 如果在secondDict[key]中找到testVec[featIndex]
if type(secondDict[key]).__name__ == 'dict': # 判断secondDict[key]是否为字典
# 若为字典,递归的寻找testVec
classLabel = classify(secondDict[key], featLabels, testVec)
else: # 若secondDict[key]为标签值,则将secondDict[key]赋给classLabel
classLabel = secondDict[key]
return classLabel # 返回类标签
def storeTree(inputTree,filename):# 决策树的序列化
import pickle # 导入pyton模块
fw = open(filename,'w') # 以写的方式打开文件
pickle.dump(inputTree,fw) # 决策树序列化
def grabTree(filename): # 读取序列化的树
import pickle
fr = open(filename) # 导入pyton模块
return pickle.load(fr) # 返回读到的树
import matplotlib.pyplot as plt
# 定义决策树决策结果的属性,用字典来定义
# 下面的字典定义也可写作 decisionNode={boxstyle:'sawtooth',fc:'0.8'}
decisionNode = dict(boxstyle="sawtooth",fc="0.8") # boxstyle为文本框的类型,sawtooth是锯齿形,fc是边框线粗细
leafNode = dict(boxstyle="round4",fc="0.8") # 定义决策树的叶子结点的描述属性
arrow_args = dict(arrowstyle="<-") # 定义决策树的箭头属性
def plotNode(nodeTxt,centerPt,parentPt,nodeType): # 绘制结点
# annotate是关于一个数据点的文本
# nodeTxt为要显示的文本,centerPt为文本的中心点,箭头所在的点,parentPt为指向文本的点
createPlot.ax1.annotate(nodeTxt,xy=parentPt,xycoords='axesfraction',xytext=centerPt,textcoords='axesfraction',va="center",ha="center",bbox=nodeType,arrowprops=arrow_args)
def getNumLeafs(myTree): # 获得决策树的叶子结点数目
numLeafs = 0 # 定义叶子结点数目
firstStr = myTree.keys()[0] # 获得myTree的第一个键值,即第一个特征,分割的标签
secondDict = myTree[firstStr] # 根据键值得到对应的值,即根据第一个特征分类的结果
for key in secondDict.keys(): # 遍历得到的secondDict
if type(secondDict[key]).__name__ == 'dict': #如果secondDict[key]为一个字典,即决策树结点
numLeafs += getNumLeafs(secondDict[key]) # 则递归的计算secondDict中的叶子结点数,并加到numLeafs上
else: # 如果secondDict[key]为叶子结点
numLeafs += 1 # 则将叶子结点数加1
return numLeafs # 返回求的叶子结点数目
def getTreeDepth(myTree): # 获得决策树的深度
maxDepth = 0 # 定义树的深度
firstStr = myTree.keys()[0] # 获得myTree的第一个键值,即第一个特征,分割的标签
secondDict = myTree[firstStr] # 根据键值得到对应的值,即根据第一个特征分类的结果
for key in secondDict.keys():
if type(secondDict[key]).__name__ == 'dict': # 如果secondDict[key]为一个字典
thisDepth = 1 + getTreeDepth(secondDict[key])
# 则当前树的深度等于1加上secondDict的深度,只有当前点为决策树点深度才会加1
else: # 如果secondDict[key]为叶子结点
thisDepth = 1 # 则将当前树的深度设为1
if thisDepth > maxDepth: # 如果当前树的深度比最大数的深度
maxDepth = thisDepth
return maxDepth # 返回树的深度
def plotMidText(cntrPt,parentPt,txtString): # 绘制中间文本
xMid = (parentPt[0] - cntrPt[0])/2.0 + cntrPt[0] # 求中间点的横坐标
yMid = (parentPt[1] - cntrPt[1])/2.0 + cntrPt[1] # 求中间点的纵坐标
createPlot.ax1.text(xMid,yMid,txtString) # 绘制树结点 (函数)
def plotTree(myTree,parentPt,nodeTxt): # 绘制决策树
numLeafs = getNumLeafs(myTree) # 定义并获得决策树的叶子结点数
depth = getTreeDepth(myTree) # 定义并获得决策树的深度
firstStr = myTree.keys()[0] # 得到第一个特征
# 计算坐标,x坐标为当前树的叶子结点数目除以整个树的叶子结点数再除以2,y为起点
cntrPt = (plotTree.xOff + (1.0 +float(numLeafs))/2.0/plotTree.totalW,plotTree.yOff)
# 绘制中间结点,即决策树结点,也是当前树的根结点,这句话没感觉出有用来,
plotMidText(cntrPt, parentPt, nodeTxt)
plotNode(firstStr,cntrPt,parentPt,decisionNode) # 绘制决策树结点
secondDict = myTree[firstStr] # 根据firstStr找到对应的值
plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD # 因为进入了下一层,所以y的坐标要变 ,图像坐标是从左上角为原点
for key in secondDict.keys(): # 遍历secondDict
if type(secondDict[key]).__name__ == 'dict': # 如果secondDict[key]为一棵子决策树,即字典
plotTree(secondDict[key],cntrPt,str(key)) # 递归的绘制决策树
else: # 若secondDict[key]为叶子结点
plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW # 计算叶子结点的横坐标
plotNode(secondDict[key],(plotTree.xOff,plotTree.yOff),cntrPt, leafNode) #绘制叶子结点
# 这句注释掉也不影响决策树的绘制,自己理解的浅陋了,这行代码是特征的值
plotMidText((plotTree.xOff,plotTree.yOff), cntrPt, str(key))
plotTree.yOff = plotTree.yOff +1.0/plotTree.totalD # 计算纵坐标
def createPlot(inTree):
fig = plt.figure(1,facecolor='white') # 定义一块画布(画布是自己的理解)
fig.clf() # 清空画布
axprops = dict(xticks=[],yticks=[]) # 定义横纵坐标轴,无内容
createPlot.ax1 = plt.subplot(111,frameon=True,**axprops) # 绘制图像,无边框,无坐标轴
plotTree.totalW = float(getNumLeafs(inTree))# plotTree.totalW保存的是树的宽
plotTree.totalD = float(getTreeDepth(inTree)) # plotTree.totalD保存的是树的高
plotTree.xOff = - 0.5 / plotTree.totalW #从0开始会偏右 #决策树起始横坐标
print plotTree.xOff
plotTree.yOff = 1.0 # 决策树的起始纵坐标
plotTree(inTree,(0.5,1.0),'') # 绘制决策树
plt.show() # 显示图像
- 《机器学习实战》——第3章代码详解(决策树)
- 代码注释:机器学习实战第3章 决策树
- 机器学习实战第3章决策树
- 【机器学习实战】第3章 决策树
- 《机器学习实战》——决策树代码
- 机器学习实战(第3章 决策树)
- 【机器学习实战】第3章 决策树(DecisionTree)
- 《机器学习实战》决策树代码详解
- 《机器学习实战》学习笔记——第3章 决策树
- 机器学习实战—决策树(二)
- 《机器学习实战》—决策树
- 机器学习实战---读书笔记: 第3章 决策树
- 读书笔记:机器学习实战【第3章 决策树】
- 机器学习实战第3章-决策树(decision tree)
- 《机器学习实战》学习(三)——决策树实例
- 读书笔记:机器学习实战(2)——章3的决策树代码和个人理解与注释
- 机器学习实战——决策树
- 《机器学习实战》——决策树
- 【每周论文】Sparrow:Distributed, Low Latency Scheduling
- MATLAB画三维曲线图
- 极盗车神 百度云资源 下载
- Python爬虫从入门到放弃(二十四)之 Scrapy登录知乎
- 数据可视化python
- 《机器学习实战》——第3章代码详解(决策树)
- log4j.xml数据库保存日志
- 未解决的问题
- 文章目录导航
- SpringBean
- 个人记录
- 【BFS模板】
- Luogu 1280(dp)
- 三倍方差计算