决策树——选择最好的划分方法之信息熵
来源:互联网 发布:淘宝优惠券微信公众号 编辑:程序博客网 时间:2024/05/29 03:06
决策树(Decision Tree)是一种简单但是广泛使用的分类器。通过训练数据构建决策树,可以高效的对未知的数据进行分类。决策数有两大优点:1)决策树模型可以读性好,具有描述性,有助于人工分析;2)效率高,决策树只需要一次构建,反复使用,每一次预测的最大计算次数不超过决策树的深度。
训练数据如下表:
根据训练数据集的数据,构造决策树
比如新发现一种动物,通过决策树就可以判断它是否是鱼类
但是在本例中决策树的划分也不止上图的一种,还有另一种
我们通过表能看出第二种分类也能正确分类
但是计算机最终只生成一种决策树,那么如何选择呢?在这里就要使用信息熵来决定使用哪种方案
下面代码给出了选择哪个特征(不浮出水面是否可以生存、是否有脚蹼)能最好的划分数据集
# coding:utf-8 from math import logimport operator##创建训练数据集def createDataSet(): dataSet = [[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']] #数据集的最后一个元素作为该数据的标签,是否是鱼 labels = ['no surfacing','flippers'] #不浮出水面是否可以生存、是否有脚蹼 return dataSet, labels##计算信息熵def calcShannonEnt(dataSet): numEntries = len(dataSet) labelCounts = {} for featVec in dataSet: #计算每一个标签出现的次数 currentLabel = featVec[-1] #数据集的最后一个元素是该数据的标签,表示是否是鱼 if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0 labelCounts[currentLabel] += 1 shannonEnt = 0.0 for key in labelCounts: #计算信息熵 prob = float(labelCounts[key])/numEntries shannonEnt -= prob * log(prob,2) #log base 2 return shannonEnt##分割数据集 axis即为在每一行中第axis个元素作为特征值划分并选出值与value相等的那一行,但要除去第axis个元素def splitDataSet(dataSet, axis, value): retDataSet = [] for featVec in dataSet: if featVec[axis] == value: reducedFeatVec = featVec[:axis] #输出的数据中要剔除该行第axis个元素 reducedFeatVec.extend(featVec[axis+1:])#输出的数据中要剔除该行第axis个元素 retDataSet.append(reducedFeatVec) return retDataSet##选择最好的数据集划分方式def chooseBestFeatureToSplit(dataSet): numFeatures = len(dataSet[0]) - 1 #每一行的最后一个元素作为该行的标签 baseEntropy = calcShannonEnt(dataSet) bestInfoGain = 0.0; bestFeature = -1 for i in range(numFeatures): #遍历每一个特征 featList = [example[i] for example in dataSet]#取出特征值数组,即取出数据集每行的第i列组成一个数组 uniqueVals = set(featList) #使用set数据类型来去除重复项 newEntropy = 0.0 for value in uniqueVals: subDataSet = splitDataSet(dataSet, i, value) #分割数据集 prob = len(subDataSet)/float(len(dataSet)) newEntropy += prob * calcShannonEnt(subDataSet) infoGain = baseEntropy - newEntropy #计算数据集的基础信息熵与所选特征信息熵的差值,越大表示选择的特征所具有的信息熵越小,就选择该特征 if (infoGain > bestInfoGain): bestInfoGain = infoGain bestFeature = i return bestFeature #返回能最好划分数据集的特征, 如dataSet = [[1, 1, 'yes'], [1, 1, 'yes'],[1, 0, 'no'], [0, 1, 'no'],[0, 1, 'no']] 一行中的第一个元素或第二个元素dataSet, labels=createDataSet()print chooseBestFeatureToSplit(dataSet)
计算出的结果为 0,说明选择不浮出水面是否可以生存该特征
0 0
- 决策树——选择最好的划分方法之信息熵
- 机器学习实战之决策树(2)---选择最好的特征来划分数据集
- 决策树之信息熵的理解
- 决策树之数据划分
- 熵对分类决策树的划分
- 影像信息提取之——基于专家知识的决策树分类
- 2.1、决策树之信息增益与熵
- 决策树之信息增益
- 决策树之信息增益
- 利用决策树分类时划分数据集的特征的选取:信息增益
- 决策树:特征分布空间划分方法
- 【机器学习算法-python实现】决策树-Decision tree(1) 信息熵划分数据集
- 【机器学习算法-python实现】决策树-Decision tree(1) 信息熵划分数据集
- 【机器学习算法-python实现】决策树-Decision tree(1) 信息熵划分数据集
- 【机器学习算法-python实现】决策树-Decision tree(1) 信息熵划分数据集
- 文本分类的特征选择方法之信息增益
- 机器学习笔记 - 决策树最优划分属性选择
- 决策树1---特征选择(信息增益)
- 44-批量输入异常
- Java之FileChannel类的理解和使用
- EL表达式笔记
- Mybatis总结(1)---基本知识
- 【C++学习笔记】控制台与文本的输入输出
- 决策树——选择最好的划分方法之信息熵
- 克隆二叉树
- JSP标签学习笔记(内置标签+JSTL标签)
- UISCROLLVIEW 在ios8 view显示出来后 contentoffset 被置位 (零, -64)的原因
- php+android 搭建后台及显示
- MVC开发模式
- Ajax学习笔记
- CF#410(Div.2) 解题报告
- Ajax小案例:验证表单中用户名是否可用