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C4.5决策树算法

Python  /  管理员 发布于 7年前   173

C4.5算法使用信息增益率来代替ID3的信息增益进行特征的选择,克服了信息增益选择特征时偏向于特征值个数较多的不足。信息增益率的定义如下:

# -*- coding: utf-8 -*-from numpy import *import mathimport copyimport cPickle as pickleclass C45DTree(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, featValueList= self.getBestFeat(dataSet) # 返回数据集的最优特征轴  bestFeatLabel = lables[bestFeat]  tree = {bestFeatLabel: {}}  del (lables[bestFeat])  for value in featValueList: # 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):  Num_Feats = len(dataSet[0][:-1])  totality = len(dataSet)  BaseEntropy = self.computeEntropy(dataSet)  ConditionEntropy = []  # 初始化条件熵  slpitInfo = [] # for C4.5,caculate gain ratio  allFeatVList = []  for f in xrange(Num_Feats):   featList = [example[f] for example in dataSet]   [splitI, featureValueList] = self.computeSplitInfo(featList)   allFeatVList.append(featureValueList)   slpitInfo.append(splitI)   resultGain = 0.0   for value in featureValueList:    subSet = self.splitDataSet(dataSet, f, value)    appearNum = float(len(subSet))    subEntropy = self.computeEntropy(subSet)    resultGain += (appearNum/totality)*subEntropy   ConditionEntropy.append(resultGain) # 总条件熵  infoGainArray = BaseEntropy*ones(Num_Feats)-array(ConditionEntropy)  infoGainRatio = infoGainArray/array(slpitInfo) # C4.5信息增益的计算  bestFeatureIndex = argsort(-infoGainRatio)[0]  return bestFeatureIndex, allFeatVList[bestFeatureIndex] # 计算划分信息 def computeSplitInfo(self, featureVList):  numEntries = len(featureVList)  featureVauleSetList = list(set(featureVList))  valueCounts = [featureVList.count(featVec) for featVec in featureVauleSetList]  pList = [float(item)/numEntries for item in valueCounts]  lList = [item*math.log(item, 2) for item in pList]  splitInfo = -sum(lList)  return splitInfo, featureVauleSetList # 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:]) # 将特征轴之后的元素加回    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 C45DTree import *dtree = C45DTree()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实现ID3决策树算法
    下一条:
    python机器学习之KNN分类算法
  • 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