ID3算法
来源:互联网 发布:怎么取消淘宝小二介入 编辑:程序博客网 时间:2024/05/01 02:39
ID3算法是决策树算法中的一种,决策树的具体教程可以看这里http://blog.csdn.net/ritchiewang/article/details/46008643
ID3算法的大致思路:从根节点开始,对接点计算所有可能的特征的信息增益,选择信息增益最大的特征作为结点的特征,由该特征的不同取值建立子结点;再对子结点递归地调用以上方法,构建决策树;直到所有特征的信息增益均很小或没有特征可以选择为止,最后得到一个决策树。
利用ID3算法创建的决策树,是只针对于分类属性的。
具体算法步骤:
输入:训练数据集D,特征集A,阈值e
输出:决策树T
1. 若D中所有实例属于同一个类C,则T为单结点树,并将类C作为该结点的类标记,返回T
2. 若A=∅ ,则T为单结点树,并将D中实例数最大的类C作为该结点的类标记,返回T
3. 否则,计算A中各特征对D的信息增益,选择信息增益最大的特征Ak
4. 如果Ak 的信息增益小于阈值e ,则置T为单结点树,并将D中实例数最大的类C作为该结点的类标记,返回T
5. 否则,对Ak 的每一个可能值ai ,依Ak=ai 将D分割为若干非空子集Di ,将属性Ak 作为一个结点,其每个属性值ai 作为一个分支,分别构建子结点,由结点及其子结点构成树T,返回T
6. 对第i各子结点,以Di 为训练集,以A−{Ak} 为特征集,递归地调用步骤(1)~(5),得到子树Ti ,返回Ti
代码实现
# 加载数据def loadDataSet(dataPath): dataset = [] with open(dataPath) as file: lines = file.readlines() for line in lines: values = line.strip().split(' ') dataset.append(values) return dataset # 数据集分割,返回属性axis的值为value的数据子集,子集中不包含axis属性def splitDataSet(dataset, axis, value): retDataSet = [] for featVec in dataset: if featVec[axis] == value: reducedFeatVec = featVec[:axis] reducedFeatVec.extend(featVec[axis+1:]) retDataSet.append(reducedFeatVec) return retDataSet # 计算数据集的信息熵def calShannonEnt(dataset): numEntries = len(dataset) * 1.0 labelCounts = dict() 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 = labelCounts[key] / numEntries import math shannonEnt -= prob * math.log(prob, 2) return shannonEnt # 计算数据子集相较于原数据集的信息增益def InfoGain(dataset, axis, baseShannonEnt): featList = [example[axis] for example in dataset] uniqueVals = set(featList) newShannonEnt = 0.0 numEntries = len(dataset) * 1.0 for value in uniqueVals: subDataSet = splitDataSet(dataset, axis, value) ent = calShannonEnt(subDataSet) prob = len(subDataSet) / numEntries newShannonEnt += prob * ent infoGain = baseShannonEnt - newShannonEnt return infoGain# 根据不同属性的信息增益,进行属性选择def ChooseBestFeatureByInfoGain(dataset): numFeature = len(dataset[0]) - 1 baseShannonEnt = calShannonEnt(dataset) bestInfoGain = 0.0 bestFeature = -1 for i in range(numFeature): infoGain = InfoGain(dataset, i, baseShannonEnt) if infoGain > bestInfoGain: bestInfoGain = infoGain bestFeature = i return bestFeature# 递归地创建决策树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) bestFeature = ChooseBestFeatureByInfoGain(dataset) bestFeatureLabel = labels[bestFeature] myTree = {bestFeatureLabel:{}} del(labels[bestFeature]) featValues = [example[bestFeature] for example in dataset] uniqueVals = set(featValues) for value in uniqueVals: subLabels = labels[:] myTree[bestFeatureLabel][value] = \ createTree(splitDataSet(dataset, bestFeature, value), subLabels) return myTree
0 0
- id3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- ID3算法
- Freescale IMX6 Android (1): 使用HDMI作为Android显示输出的配置
- Linux简单的shell脚本
- lower_bound和upper_bound
- float类型的精度问题与计算机中的存储
- OpenJudge_P8786 方格取数(DP)
- ID3算法
- jQuery的学习过程
- 启动SSH框架项目 Tomcat报错
- 如何诊断 Java 中的内存泄露
- Unix Network Programming(10)---connect 函数
- Eclipse 中 新建maven项目 无法添加src/main/java 问题
- 2015年12月01日 每天半小时学英语
- 最小生成树Prim算法
- 如何防止使用singleInstance的activity返回时拉起其他应用的问题