决策树ID3代码(Python)
来源:互联网 发布:神枪手交易软件 编辑:程序博客网 时间:2024/05/18 15:51
决策树ID3代码(Python)
上一节介绍了决策树的递归算法框架(create),这一节将用Python语言实现一个小程序。代码和数据来源于《机器学习实战》Peter Harrington [美] 人民邮电出版社,有删改。
下面,将给出部分代码:
1、计算信息熵
def calcShannonEnt(dataSet): numEntries = len(dataSet)#总的数据量 labelCounts = {} for featVec in dataSet: #从数据集中每次取出一条数据 currentLabel = featVec[-1] #取类标签 if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0 #统计出现次数 labelCounts[currentLabel] += 1 shannonEnt = 0.0 #初始化熵 for key in labelCounts: prob = float(labelCounts[key])/numEntries shannonEnt -= prob * log(prob,2) #log base 2 return shannonEnt
在python命令提示符中输入以下:
>>> import trees>>> myDat,labels=trees.createDataSet()
>>> myDat
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
>>> labels
['no surfacing', 'flippers']
>>> trees.calcShannonEnt(myDat)
0.9709505944546686
可以算出此时的熵为0.97
2、根据ID3算法,选择最优属性划分数据集
def chooseBestFeatureToSplit(dataSet): numFeatures = len(dataSet[0]) - 1 #获取特征数目(不允许出现空的特征) baseEntropy = calcShannonEnt(dataSet) bestInfoGain = 0.0; bestFeature = -1 for i in range(numFeatures): #依次计算每个特征 featList = [example[i] for example in dataSet]#取出该特征的所有特征值 uniqueVals = set(featList) #利用set特征值去重 newEntropy = 0.0 for value in uniqueVals:#对每一个特征值value subDataSet = splitDataSet(dataSet, i, value)#将数据集根据特征i划分出属于特征值value的子集 prob = len(subDataSet)/float(len(dataSet)) newEntropy += prob * calcShannonEnt(subDataSet) #计算newEntropy infoGain = baseEntropy - newEntropy #计算信息增益 if (infoGain > bestInfoGain): #和最优特征对应的信息增益对比 bestInfoGain = infoGain #if better ,更新 bestFeature = i return bestFeature其中,特征集划分的函数:
def splitDataSet(dataSet, axis, value): retDataSet = [] for featVec in dataSet: if featVec[axis] == value: reducedFeatVec = featVec[:axis] #chop out axis used for splitting reducedFeatVec.extend(featVec[axis+1:]) retDataSet.append(reducedFeatVec) return retDataSet
在python命令提示符中输入以下:
>>> trees.chooseBestFeatureToSplit(myDat)
0
>>> myDat
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
说明当前选择特征0号来划分是最优的。
3、递归创建决策树代码
def createTree(dataSet,labels): classList = [example[-1] for example in dataSet] if classList.count(classList[0]) == len(classList): #stop splitting ,所有实例都属于同一个类,即出口一 return classList[0] #返回该类标签 if len(dataSet[0]) == 1: #stop splitting ,数据集只剩下类别属性,没有特征可以分,即出口二 return majorityCnt(classList) #选择实例数最大的类作为该节点的类标记返回 bestFeat = chooseBestFeatureToSplit(dataSet) bestFeatLabel = labels[bestFeat]#最优特征 myTree = {bestFeatLabel:{}}#建立节点 del(labels[bestFeat]) #将该特征从特征集中去除(已经用了,一次性的) featValues = [example[bestFeat] for example in dataSet] uniqueVals = set(featValues)#去重后的最优特征所包含的特征值 for value in uniqueVals: #对每一个特征值 subLabels = labels[:] #复制成子特征集 myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value),subLabels) #递归 return myTree其中,选择实例数最多的类的函数:
def majorityCnt(classList): classCount={} for vote in classList: if vote not in classCount.keys(): classCount[vote] = 0 classCount[vote] += 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]
在python命令提示符中输入以下:
>>> myTree = trees.createTree(myDat,labels)
>>> myTree
{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
决策树myTree如上图所示:{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
4、绘制树形图
利用python的Matplotlib可以绘制出树形图,留给读者自己实现!
1 0
- 决策树ID3代码(Python)
- 决策树(ID3)python
- ID3决策树的Python代码实现
- 机器学习实战-决策树ID3-python代码
- python实现决策树(ID3算法)
- 决策树(ID3,C4.5)Python实现
- Python 决策树算法(ID3 & C4.5)
- ID3决策树算法(python实现)
- 决策树(ID3算法)Python实现
- Python实现决策树(ID3、C4.5)
- id3决策树Python版
- Python-决策树ID3实践
- 机器学习实战_初识决策树(ID3)算法_理解其python代码(二)
- 决策树ID3算法python实现代码及详细注释
- 决策树(一) ID3
- (决策树)ID3算法
- 决策树(1)ID3
- 决策树(一)--ID3
- Real Time Messaging Protocol
- perl网络爬虫--举例(登录论坛eetop)
- HTML5+Canvas贪吃蛇
- python3 python3:(unicode error) 'utf-8' codec can't decode
- Leetcode 409. Longest Palindrome 构造最长回文串 解题报告
- 决策树ID3代码(Python)
- 数据结构:(三)栈
- 级联分类器概述
- linux C++ 获取当前日期时间
- Filter——使用篇
- jsp js正则表达式用法
- springmvc常用注解标签详解
- LeetCode 332. Reconstruct Itinerary【medium】
- Python——calendar模块