建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
python中怎么模擬決策樹
本篇文章為大家展示了python中怎么模擬決策樹，內(nèi)容簡明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。
貴陽ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書合作）期待與您的合作！
1，程序模擬決策樹特征選擇的三個(gè)準(zhǔn)則。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from collections import Counter
import math
from math import log
import pprint
# 課本例題數(shù)據(jù)
def createData():
datasets = [
['青年', '否', '否', '一般', '否'],
['青年', '否', '否', '好', '否'],
['青年', '是', '否', '好', '是'],
['青年', '是', '是', '一般', '是'],
['青年', '否', '否', '一般', '否'],
['中年', '否', '否', '一般', '否'],
['中年', '否', '否', '好', '否'],
['中年', '是', '是', '好', '是'],
['中年', '否', '是', '非常好', '是'],
['中年', '否', '是', '非常好', '是'],
['老年', '否', '是', '非常好', '是'],
['老年', '否', '是', '好', '是'],
['老年', '是', '否', '好', '是'],
['老年', '是', '否', '非常好', '是'],
['老年', '否', '否', '一般', '否']
]
labels = ['年齡', '有工作', '有自己的房子', '信貸情況', '類別']
return datasets, labels
# 計(jì)算經(jīng)驗(yàn)熵
def calc_ent(datasets):
data_length = len(datasets)
label_count = {} # 用于記錄不同類別的個(gè)數(shù)
for i in range(data_length):
label = datasets[i][-1] # 記錄了當(dāng)前一條數(shù)據(jù)的最后一維
if label not in label_count: # 如果第一次遇到新類別，先初始化
label_count[label] = 0
label_count[label] += 1 # 類別個(gè)數(shù)加一
# 計(jì)算熵。每次取出的p為當(dāng)前datasets集合的類別的個(gè)數(shù)
ent = -sum( (p / data_length) * log(p / data_length, 2) for p in label_count.values() )
return ent
# 計(jì)算條件經(jīng)驗(yàn)熵
def cond_ent(datasets, axis=0): # axis是我們選擇的特征，也及時(shí)計(jì)算這個(gè)特征對(duì)集合的條件經(jīng)驗(yàn)熵。
data_length = len(datasets)
feature_sets = {}
for i in range(data_length):
feature = datasets[i][axis]
if feature not in feature_sets:
feature_sets[feature] = []
feature_sets[feature].append(datasets[i]) # 我們按照特征將數(shù)據(jù)按照字典的格式存儲(chǔ)。
# 計(jì)算條件經(jīng)驗(yàn)熵。 （Di/D）*H(Di)。這里每次取出的p為屬于范類別的所有數(shù)據(jù)。這里的類別是axis指定的特征的分類。
cond_ent = sum((len(p)/data_length)*calc_ent(p) for p in feature_sets.values())
return cond_ent
# 計(jì)算信息增益
def info_gain(ent, cond_ent):
return ent - cond_ent
# 計(jì)算信息增益
def info_gain_train(datasets):
count = len(datasets[0]) - 1
ent = calc_ent(datasets)
print("當(dāng)前經(jīng)驗(yàn)熵：{:.3f}\n".format(ent))
best_feature = []
for c in range(count):
print("第{}個(gè)特征的條件經(jīng)驗(yàn)熵為：{:.3f}".format(c+1, cond_ent(datasets, c)))
c_info_gain = info_gain(ent, cond_ent(datasets, c))
best_feature.append((c, c_info_gain))
print("當(dāng)前特征（{}）的信息增益為：{:.3f}".format(label[c], c_info_gain))
best = max(best_feature, key=lambda c : c[-1]) # 這里返回的是信息增益最大的元組
return best
dataset, label = createData()
trainData = pd.DataFrame(dataset, columns=label)
best_feature = info_gain_train(dataset)
print("\n第{}個(gè)特征（{}）的信息增益最大，為：{:.3f}".format(best_feature[0]+1, label[best_feature[0]+1], best_feature[1]))結(jié)果
當(dāng)前經(jīng)驗(yàn)熵：0.971 第1個(gè)特征的條件經(jīng)驗(yàn)熵為：0.888 當(dāng)前特征（年齡）的信息增益為：0.083 第2個(gè)特征的條件經(jīng)驗(yàn)熵為：0.647 當(dāng)前特征（有工作）的信息增益為：0.324 第3個(gè)特征的條件經(jīng)驗(yàn)熵為：0.551 當(dāng)前特征（有自己的房子）的信息增益為：0.420 第4個(gè)特征的條件經(jīng)驗(yàn)熵為：0.608 當(dāng)前特征（信貸情況）的信息增益為：0.363 第3個(gè)特征（信貸情況）的信息增益最大，為：0.420
2，程序?qū)崿F(xiàn)ID3算法
import pandas as pd
import numpy as np
import math
from math import log
def create_data():
datasets = [['青年', '否', '否', '一般', '否'],
['青年', '否', '否', '好', '否'],
['青年', '是', '否', '好', '是'],
['青年', '是', '是', '一般', '是'],
['青年', '否', '否', '一般', '否'],
['中年', '否', '否', '一般', '否'],
['中年', '否', '否', '好', '否'],
['中年', '是', '是', '好', '是'],
['中年', '否', '是', '非常好', '是'],
['中年', '否', '是', '非常好', '是'],
['老年', '否', '是', '非常好', '是'],
['老年', '否', '是', '好', '是'],
['老年', '是', '否', '好', '是'],
['老年', '是', '否', '非常好', '是'],
['老年', '否', '否', '一般', '否'],
]
labels = [u'年齡', u'有工作', u'有自己的房子', u'信貸情況', u'類別']
# 返回?cái)?shù)據(jù)集和每個(gè)維度的名稱
return datasets, labels
# 定義節(jié)點(diǎn)類 二叉樹
class Node:
def __init__(self, root=True, label=None, feature_name=None, feature=None):
self.root = root # 標(biāo)記當(dāng)前節(jié)點(diǎn)是否為根節(jié)點(diǎn)
self.label = label # label記錄當(dāng)前節(jié)點(diǎn)的值
self.feature_name = feature_name # 記錄當(dāng)前特征名
self.feature = feature # 記錄當(dāng)前特征名在特征列表中的序號(hào)
self.tree = {}
self.result = {
'label:': self.label,
'feature': self.feature,
'tree': self.tree
}
def __repr__(self): # 返回當(dāng)前節(jié)點(diǎn)的信息
return '{}'.format(self.result)
def add_node(self, val, node): # 添加點(diǎn)
self.tree[val] = node
def predict(self, features): # 預(yù)測當(dāng)前節(jié)點(diǎn)
if self.root is True:
return self.label
return self.tree[features[self.feature]].predict(features)
class DTree:
def __init__(self, epsilon=0.1):
self.epsilon = epsilon # 閾值，用于判斷當(dāng)前信息增益是否符合大小。如果信息增益小于閾值，等同于忽略。
self._tree = {}
# 熵
@staticmethod
def calc_ent(datasets):
data_length = len(datasets)
label_count = {}
for i in range(data_length):
label = datasets[i][-1]
if label not in label_count:
label_count[label] = 0
label_count[label] += 1
ent = -sum([(p / data_length) * log(p / data_length, 2)
for p in label_count.values()])
return ent
# 經(jīng)驗(yàn)條件熵
def cond_ent(self, datasets, axis=0):
data_length = len(datasets)
feature_sets = {}
for i in range(data_length):
feature = datasets[i][axis]
if feature not in feature_sets:
feature_sets[feature] = []
feature_sets[feature].append(datasets[i])
cond_ent = sum([(len(p) / data_length) * self.calc_ent(p)
for p in feature_sets.values()])
return cond_ent
# 信息增益
@staticmethod
def info_gain(ent, cond_ent):
return ent - cond_ent
def info_gain_train(self, datasets): # 計(jì)算當(dāng)前數(shù)據(jù)集中信息增益最大的特征。
count = len(datasets[0]) - 1
ent = self.calc_ent(datasets)
best_feature = []
for c in range(count):
c_info_gain = self.info_gain(ent, self.cond_ent(datasets, axis=c))
best_feature.append((c, c_info_gain))
# 比較大小
best_ = max(best_feature, key=lambda x: x[-1])
return best_
def train(self, train_data):
"""
input:數(shù)據(jù)集D(DataFrame格式)，特征集A，閾值eta
output:決策樹T
"""
_ = train_data.iloc[:, :-1] # 除最后一列的所有數(shù)據(jù)
y_train = train_data.iloc[:, -1] # 僅包含最后一列
features = train_data.columns[:-1] # 除最后一個(gè)特征以外的特征
# 下面是ID3算法四步。D為訓(xùn)練數(shù)據(jù)集，A為特征集。
# 1 若D中實(shí)例屬于同一類Ck，則T為單節(jié)點(diǎn)樹，并將類Ck作為結(jié)點(diǎn)的類標(biāo)記，返回T
if len(y_train.value_counts()) == 1: # value_counts函數(shù)，對(duì)數(shù)據(jù)按照值進(jìn)行排序，并且按照從大到小排序
return Node(root=True, label=y_train.iloc[0])
# 2 若A為空，則T為單節(jié)點(diǎn)樹，將D中實(shí)例樹最大的類Ck作為該節(jié)點(diǎn)的類標(biāo)記，返回T
if len(features) == 0:
return Node(
root=True,
label=y_train.value_counts().sort_values(
ascending=False).index[0])
# 沒有特征進(jìn)行劃分了，所以對(duì)當(dāng)前數(shù)據(jù)集所有類別進(jìn)行了歸類，并計(jì)數(shù)，然后排序，
# 選擇類別數(shù)最大的類別，估計(jì)為當(dāng)前節(jié)點(diǎn)代表的類別
# 3 計(jì)算最大信息增益
# max_feature為信息增益最大特征名字的序號(hào),
# max_info_gain為最大信息增益
# max_feature_name為最大信息增益特征名字
max_feature, max_info_gain = self.info_gain_train(np.array(train_data))
max_feature_name = features[max_feature]
# 4 信息增益小于閾值，忽略，置T為單節(jié)點(diǎn)樹，并將D中是實(shí)例數(shù)最大的類Ck作為該節(jié)點(diǎn)的類標(biāo)記，返回T
if max_info_gain < self.epsilon:
return Node(
root=True,
label=y_train.value_counts().sort_values(
ascending=False).index[0])
# 5 構(gòu)建最大信息增益點(diǎn)Ag的子集。
# 按照Ag的每一個(gè)可能的取值ai，將數(shù)據(jù)集D分成一個(gè)Di，每個(gè)Di中實(shí)例數(shù)最大的類作為標(biāo)記，構(gòu)建子節(jié)點(diǎn)。
# 由當(dāng)前最大信息增益點(diǎn)及其子節(jié)點(diǎn)構(gòu)成樹，并返回
node_tree = Node(
root=False, feature_name=max_feature_name, feature=max_feature)
# 將train_data按照 當(dāng)前最大信息增益特征不同值 劃分，index指value_counts后的類別部分
feature_list = train_data[max_feature_name].value_counts().index
for f in feature_list:
# 去掉 最大信息增益這個(gè)特征
sub_train_df = train_data.loc[train_data[max_feature_name] == f].drop([max_feature_name], axis=1)
# 6 遞歸生成樹
# 對(duì)去掉這個(gè)特征的數(shù)據(jù)繼續(xù)進(jìn)行訓(xùn)練
sub_tree = self.train(sub_train_df)
# 將當(dāng)前節(jié)點(diǎn)加到遞歸上層父節(jié)點(diǎn)上。
# 這個(gè)算法不是從根節(jié)點(diǎn)，一步一步加點(diǎn)生成樹，
# 而是從根節(jié)點(diǎn)開始找出最大信息增益節(jié)點(diǎn)，這個(gè)點(diǎn)只是聲明了一下，并沒有建立聯(lián)系。然后遞歸向下，到達(dá)葉節(jié)點(diǎn)之后，
# 將葉節(jié)點(diǎn)添加到上層遞歸的父節(jié)點(diǎn)，然后父節(jié)點(diǎn)在train另一個(gè)子節(jié)點(diǎn)，然后將子節(jié)點(diǎn)在加入到父節(jié)點(diǎn)。
# 這時(shí)最初的根節(jié)點(diǎn)仍然是只有一個(gè)點(diǎn)，但是最下邊的某個(gè)子樹已經(jīng)建立了父子關(guān)系，生成了樹
node_tree.add_node(f, sub_tree)
return node_tree
def fit(self, train_data):
self._tree = self.train(train_data)
return self._tree
def predict(self, X_test):
return self._tree.predict(X_test)
datasets, labels = create_data()
data_df = pd.DataFrame(datasets, columns=labels)
dt = DTree()
tree = dt.fit(data_df)
print(tree)
print("下邊預(yù)測數(shù)據(jù)：[老年, 否, 否, 一般]，結(jié)果為：")
print(dt.predict(['老年', '否', '否', '一般']))結(jié)果：
{'label:': None, 'feature': 2, 'tree': {'否': {'label:': None, 'feature': 1, 'tree': {'否': {'label:': '否', 'feature': None, 'tree': {}}, '是': {'label:': '是', 'feature': None, 'tree': {}}}}, '是': {'label:': '是', 'feature': None, 'tree': {}}}}
下邊預(yù)測數(shù)據(jù)：[老年, 否, 否, 一般]，結(jié)果為：
否3，sklearn模擬
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
import graphviz
def create_data():
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['label'] = iris.target
df.columns = [
'sepal length', 'sepal width', 'petal length', 'petal width', 'label'
]
data = np.array(df.iloc[:100, [0, 1, -1]])
# print(data)
return data[:, :2], data[:, -1]
X, y = create_data()
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train,)
print(clf.score(X_test, y_test))
# 為了讓下邊的語句執(zhí)行，首先要安裝graphviz，官網(wǎng)下載exe或者zip都行，這種方式要配置環(huán)境變量
# pycharm安裝失敗時(shí)，用命令行安裝pip install graphviz -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com。這種方式直接安裝在了Anaconda下就不用配置環(huán)境變量了
# 成功后，在命令行運(yùn)行dot -v看一下是否成功安裝
# 成功后，現(xiàn)在命令行運(yùn)行dot - c。執(zhí)行完后，在運(yùn)行程序即可。
tree_pic = export_graphviz(clf, out_file="mytree.pdf") # 生成了畫樹的graphviz語句
with open('mytree.pdf') as f:
dot_graph = f.read() # 我們將畫樹的語句取出來
graph = graphviz.Source(dot_graph) # 將這些語句存儲(chǔ)
graph.view() # 畫出來結(jié)果：
0.9666666666666667
最初生成的mytree.pdf文件：
通過dot畫出來的文件（自動(dòng)命名成Source.gv.pdf）：
上述內(nèi)容就是python中怎么模擬決策樹，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
當(dāng)前標(biāo)題：python中怎么模擬決策樹
本文網(wǎng)址：http://www.ef60e0e.cn/article/gcigoh.html
