sklearn 决策树快速入门

最新推荐文章于 2022-10-06 15:42:58 发布

苁心開始

最新推荐文章于 2022-10-06 15:42:58 发布

阅读量298

点赞数 2

分类专栏：素质拓展文章标签： sklearn cart id3 数据分析简单入门

（请留意版权问题）CSDN提示：若要转载，请注明csdn博客地址。

本文链接：https://blog.csdn.net/lingyu_me/article/details/105949320

版权

1、sklearn决策树与id3决策树的区别

1、sklearn决策树与id3决策树的区别

https://stackoverflow.com/questions/32277562/how-to-set-up-id3-algorith-in-scikit-learn
http://scikit-learn.org/stable/modules/tree.html#tree-algorithms-id3-c4-5-c5-0-and-cart
根据这两个链接可知，
其实sklearn的决策树仅仅是实现了cart树而已，
当信息计算方式为Gini，Entropy，就用来分类
注意，sklearn并没有实现ID3，但是cart中使用entropy的效果，等效于“二叉树的ID3”
因为ID3可以是“二叉决策树”，也可以是“多叉决策树”，所以sklearn使用决策树+entropy方式时，
无法实现“基于ID3算法的多叉决策树”

参考链接：sklearn没有实现id3算法

所以，我之前的迷惑是多余的。

2、一个简单的实例

from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import tree
from sklearn import preprocessing
import graphviz
import os
os.environ['PATH'] += os.pathsep +'C:\Program Files (x86)\Graphviz2.38\bin'

file='dataprofull.csv'
allData=open(file)
reader=csv.reader(allData)

next(reader)
headers=next(reader)

featureList=[]
labelList=[]

for row in reader:
   labelList.append(row[-1])
   ldict=[]
   for i in range(0,len(row)-1):
       ldict.append(float(row[i]))
   featureList.append(ldict)

lb=preprocessing.LabelBinarizer()
dummyY&