机器学习实战——决策树:树的构建及分类
来源:互联网 发布:三只松鼠旗舰店淘宝 编辑:程序博客网 时间:2024/06/04 20:12
书籍:《机器学习实战》中文版
IDE:PyCharm Edu 4.02
第二部分主要代码:
第三部分:
注:将以上三部分代码合起来就是一个完整的决策树的构建、保存、分类应用的代码示例!
IDE:PyCharm Edu 4.02
环境:Adaconda3 python3.6
主要内容:使用ID3算法构建
1、信息熵的计算+数据集的划分=根据信息增益选择最佳的数据集划分方式
2、创建树、投票法
3、将决策树用于分类 树的保存与提取
第一部分代码:
from math import logimport operator# 创建简单的鱼数据集def createDataSet(): dataSet = [[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']] labels = ['no surfacing','flippers'] return dataSet, labelsdata,labels=createDataSet()#计算给定数据集的信息熵def calcShannonEnt(dataSet): num = len(dataSet) # 为所有可能分类创建字典并统计每个类别的样本数目 labelCounts = {} for featVec in dataSet: currentLabel = featVec[-1] if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0 labelCounts[currentLabel] += 1 shannonEnt = 0.0 for key in labelCounts: prob = float(labelCounts[key]/num) shannonEnt = -prob*log(prob,2) return shannonEnt#按照给定特征划分数据集def splitDataSet(dataSet,axis,value): retDataSet = [] #避免对原数据集的影响 for featVec in dataSet: if featVec[axis]==value: reducedFeatVec = featVec[:axis] reducedFeatVec.extend(featVec[axis+1:]) retDataSet.append(reducedFeatVec) return retDataSet# 选择最好的数据集划分方式 ID3算法def chooseBestFeatureToSplit(dataSet): numFeatures = len(dataSet[0])-1 baseEntropy = calcShannonEnt(dataSet) bestInfoGain = 0.0 bestFeature = -1 for i in range(numFeatures): featList = [example[i] for example in dataSet] #得到第i个特征的所有值 uniqueVals = set(featList) #使用集合得到第i个特征的值的种类 newEntropy = 0.0 # 计算第i个特征的信息增益 for value in uniqueVals: subDataSet = splitDataSet(dataSet,i,value) prob = len(subDataSet)/float(len(dataSet)) newEntropy += prob*calcShannonEnt(subDataSet) infoGain = baseEntropy-newEntropy #比较第i个特征的信息增益和最佳增益 if (infoGain>bestInfoGain): bestInfoGain = infoGain bestFeature = i return bestFeature #返回最佳特征所在的列数#print(chooseBestFeatureToSplit(data))
第二部分主要代码:
#针对叶子节点存在多类的情况,投票决定最终分类def majorityCnt(classList): classCount = {} for vote in classList: if vote not in classCount.keys(): classCount[vote] = 0 classCount[vote] += 1 sortedClassCount = sorted(classCount.iterms(),key=operator.itemgetter(1),reverse=True) return sortedClassCount[0][0]# 创建树def createTree(dataSet,labels): classList = [example[-1] for example in dataSet] if classList.count(classList[0]) == len(classList): return classList[0] if len(dataSet[0]) == 1: return majorityCnt(classList) bestFeat = chooseBestFeatureToSplit(dataSet) bestFeatLabel = labels[bestFeat] #labels是属性标签不是分类标签 myTree = {bestFeatLabel:{}} #del(labels[bestFeat]) #导致原始标签列表改变 labels_2 = labels[:] #制作一个副本 del(labels_2[bestFeat]) featValues = [example[bestFeat] for example in dataSet] uniqueValues = set(featValues) for value in uniqueValues: sublabels = labels_2[:] myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet,bestFeat,value),sublabels) return myTreemytree = createTree(data,labels)print(mytree)
第三部分:
#将决策树用于分类# {'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}def classify(inputTree,featLabels,testVec): firstStr = list(inputTree.keys())[0] secondDict = inputTree[firstStr] featIndex = featLabels.index(firstStr) key = testVec[featIndex] valueOfFeat = secondDict[key] if isinstance(valueOfFeat,dict): classLabel = classify(valueOfFeat,featLabels,testVec) else: classLabel = valueOfFeat return classLabelprint(classify(mytree,labels,[1,1]))# 使用pickle模块存储决策树def storeTree(inputTree,filename): import pickle fw = open(filename,'w') pickle.dump(inputTree,fw) fw.close()# 使用pickle模块提取保存的树def grabTree(filename): import pickle fr = open(filename) return pickle.load(fr)
注:将以上三部分代码合起来就是一个完整的决策树的构建、保存、分类应用的代码示例!
注释:
1、香农熵 信息增益的计算公式:http://blog.sina.com.cn/s/blog_5fc375650100jgxg.html
2、划定数据集:当axis=0时,
reducedFeatVec = featVec[:axis] 结果为[]
3、技巧:列表生成式的使用
4、投票法:创建一个字典进行记录 sorted的使用
5、树构建:递归终止条件
(1)每个分支下的所有示例为同一类;
(2)或者 程序遍历玩所有划分数据集的属性。
6、del函数导致原列表改变,因此创建一个副本。这是与原文程序不同处之一。
7、运行中的问题
(1)
firstStr = inputTree.keys()[0]
TypeError: 'dict_keys' object does not support indexing
在python2.x中,dict.keys()返回一个列表,在python3.x中,dict.keys()返回一个dict_keys对象,比起列表,这个对象的行为更像是set,所以不支持索引的。
解决方案:list(dict.keys())[index]
(2)
python IndentationError: unindent does not match any outer indentation level
解决方法:代码块未对齐。
阅读全文
0 0
- 机器学习实战——决策树:树的构建及分类
- 《机器学习实战》——决策树的构造及案例
- 机器学习实战--决策树分类
- 《机器学习实战》—决策树
- 机器学习实战笔记(2) 决策树(分类的方法)
- Python机器学习实战之决策树分类
- 机器学习实战学习笔记(二)分类—ID3决策树算法(python3实现)
- 机器学习实战——决策树
- 《机器学习实战》——决策树
- 机器学习python实战——决策树
- 《机器学习实战》——决策树代码
- 《机器学习实战》——决策树
- 机器学习实战——决策树讲解
- 决策树——python(机器学习实战)
- 机器学习实战——决策树
- 机器学习实战——决策树
- 机器学习实战—决策树(二)
- 机器学习算法(二)——决策树分类算法及R语言实现方法
- 各个节点之间的免密码登录
- Swagger 和 Springfox-Swagger 的关系
- 网易游戏校招面试总结(C++后台开发)
- github常用操作
- Log4j知识点总结
- 机器学习实战——决策树:树的构建及分类
- 数据结构笔记1
- Exception
- JSP内置对象---一个小项目(实现用户的登录 (不使用数据库))
- Python3.5环境下安装requests库
- MySQL创建过程,遇到一个奇怪的bug
- 矩形覆盖
- XML文件的创建与写入
- react-native 项目更名步骤