侯体宗的博客
  • 首页
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

python实现ID3决策树算法

Python  /  管理员 发布于 7年前   275

ID3决策树是以信息增益作为决策标准的一种贪心决策树算法

# -*- coding: utf-8 -*-from numpy import *import mathimport copyimport cPickle as pickleclass ID3DTree(object):  def __init__(self): # 构造方法    self.tree = {} # 生成树    self.dataSet = [] # 数据集    self.labels = [] # 标签集  # 数据导入函数  def loadDataSet(self, path, labels):    recordList = []    fp = open(path, "rb") # 读取文件内容    content = fp.read()    fp.close()    rowList = content.splitlines() # 按行转换为一维表    recordList = [row.split("\t") for row in rowList if row.strip()] # strip()函数删除空格、Tab等    self.dataSet = recordList    self.labels = labels  # 执行决策树函数  def train(self):    labels = copy.deepcopy(self.labels)    self.tree = self.buildTree(self.dataSet, labels)  # 构件决策树:穿件决策树主程序  def buildTree(self, dataSet, lables):    cateList = [data[-1] for data in dataSet] # 抽取源数据集中的决策标签列    # 程序终止条件1:如果classList只有一种决策标签,停止划分,返回这个决策标签    if cateList.count(cateList[0]) == len(cateList):      return cateList[0]    # 程序终止条件2:如果数据集的第一个决策标签只有一个,返回这个标签    if len(dataSet[0]) == 1:      return self.maxCate(cateList)    # 核心部分    bestFeat = self.getBestFeat(dataSet) # 返回数据集的最优特征轴    bestFeatLabel = lables[bestFeat]    tree = {bestFeatLabel: {}}    del (lables[bestFeat])    # 抽取最优特征轴的列向量    uniqueVals = set([data[bestFeat] for data in dataSet]) # 去重    for value in uniqueVals: # 决策树递归生长      subLables = lables[:] # 将删除后的特征类别集建立子类别集      # 按最优特征列和值分隔数据集      splitDataset = self.splitDataSet(dataSet, bestFeat, value)      subTree = self.buildTree(splitDataset, subLables) # 构建子树      tree[bestFeatLabel][value] = subTree    return tree  # 计算出现次数最多的类别标签  def maxCate(self, cateList):    items = dict([(cateList.count(i), i) for i in cateList])    return items[max(items.keys())]  # 计算最优特征  def getBestFeat(self, dataSet):    # 计算特征向量维,其中最后一列用于类别标签    numFeatures = len(dataSet[0]) - 1 # 特征向量维数=行向量维数-1    baseEntropy = self.computeEntropy(dataSet) # 基础熵    bestInfoGain = 0.0 # 初始化最优的信息增益    bestFeature = -1 # 初始化最优的特征轴    # 外循环:遍历数据集各列,计算最优特征轴    # i为数据集列索引:取值范围0~(numFeatures-1)    for i in xrange(numFeatures):      uniqueVals = set([data[i] for data in dataSet]) # 去重      newEntropy = 0.0      for value in uniqueVals:        subDataSet = self.splitDataSet(dataSet, i, value)        prob = len(subDataSet) / float(len(dataSet))        newEntropy += prob * self.computeEntropy(subDataSet)      infoGain = baseEntropy - newEntropy      if (infoGain > bestInfoGain): # 信息增益大于0        bestInfoGain = infoGain # 用当前信息增益值替代之前的最优增益值        bestFeature = i # 重置最优特征为当前列    return bestFeature  # 计算信息熵  # @staticmethod  def computeEntropy(self, dataSet):    dataLen = float(len(dataSet))    cateList = [data[-1] for data in dataSet] # 从数据集中得到类别标签    # 得到类别为key、 出现次数value的字典    items = dict([(i, cateList.count(i)) for i in cateList])    infoEntropy = 0.0    for key in items: # 香农熵: = -p*log2(p) --infoEntropy = -prob * log(prob, 2)      prob = float(items[key]) / dataLen      infoEntropy -= prob * math.log(prob, 2)    return infoEntropy  # 划分数据集: 分割数据集; 删除特征轴所在的数据列,返回剩余的数据集  # dataSet : 数据集; axis: 特征轴; value: 特征轴的取值  def splitDataSet(self, dataSet, axis, value):    rtnList = []    for featVec in dataSet:      if featVec[axis] == value:        rFeatVec = featVec[:axis] # list操作:提取0~(axis-1)的元素        rFeatVec.extend(featVec[axis + 1:])        rtnList.append(rFeatVec)    return rtnList  # 存取树到文件  def storetree(self, inputTree, filename):    fw = open(filename,'w')    pickle.dump(inputTree, fw)    fw.close()  # 从文件抓取树  def grabTree(self, filename):    fr = open(filename)    return pickle.load(fr)

调用代码

# -*- coding: utf-8 -*-from numpy import *from ID3DTree import *dtree = ID3DTree()# ["age", "revenue", "student", "credit"]对应年龄、收入、学生、信誉4个特征dtree.loadDataSet("dataset.dat", ["age", "revenue", "student", "credit"])dtree.train()dtree.storetree(dtree.tree, "data.tree")mytree = dtree.grabTree("data.tree")print mytree

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。


  • 上一条:
    python调用百度语音识别api
    下一条:
    python实现C4.5决策树算法
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在windows10中升级go版本至1.24后LiteIDE的Ctrl+左击无法跳转问题解决方案(0个评论)
    • 智能合约Solidity学习CryptoZombie第四课:僵尸作战系统(0个评论)
    • 智能合约Solidity学习CryptoZombie第三课:组建僵尸军队(高级Solidity理论)(0个评论)
    • 智能合约Solidity学习CryptoZombie第二课:让你的僵尸猎食(0个评论)
    • 智能合约Solidity学习CryptoZombie第一课:生成一只你的僵尸(0个评论)
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客