使用Python实现ID3决策树中特征选择的先后顺序

voice = [] #[‘粗’, ‘粗’, ‘粗’, ‘细’, ‘细’, ‘粗’, ‘粗’, ‘粗’]

sex = [] #[‘男’, ‘男’, ‘男’, ‘女’, ‘女’, ‘女’, ‘女’, ‘女’]

for one in pri_data:

hair.append(one[0])

voice.append(one[1])

sex.append(one[2])

cu_voive = voice.count(‘粗’) #6

thin_voice = voice.count(‘细’) #2

一维列表合并成多维列表

d = []

for i in range(len(hair)):

for j in range(len(voice)):

if i == j:

for k in range(len(sex)):

if j == k:

t = [hair[i], voice[j], sex[k]]

d.append(t)

print(d)

a = d.count([‘短’, ‘粗’, ‘男’]) #2

b = d.count([‘短’, ‘粗’, ‘女’]) #1

c = d.count([‘长’, ‘粗’, ‘男’]) #1

e = d.count([‘长’, ‘粗’, ‘女’]) #2

f = d.count([‘长’, ‘细’, ‘女’]) #1

g = d.count([‘短’, ‘细’, ‘女’]) #1

#一维列表合并成二维列表

z=list(zip(voice,sex))

cu_woman =z.count((‘粗’,‘女’))

cu_man = z.count((‘粗’,‘男’))

num_v_h = (cu_woman + cu_man)

return cu_voive, thin_voice, cu_woman, cu_man, num_v_h

def empty2(pri_data):

hair = [] # [‘长’, ‘短’, ‘短’, ‘长’, ‘短’, ‘短’, ‘长’, ‘长’]

voice = [] # [‘粗’, ‘粗’, ‘粗’, ‘细’, ‘细’, ‘粗’, ‘粗’, ‘粗’]

sex = [] # [‘男’, ‘男’, ‘男’, ‘女’, ‘女’, ‘女’, ‘女’, ‘女’]

for one in pri_data:

hair.append(one[0])

voice.append(one[1])

sex.append(one[2])

一维列表合并成二维列表

k = list(zip(hair, sex))

long_man =k.count((‘长’,‘男’))

long_woman = k.count((‘长’,‘女’))

sum_hair1 = long_man + long_woman

short_man = k.count((‘短’,‘男’))

short_woman = k.count((‘短’,‘女’))

sum_hair2 = short_man + short_woman

sum_Hair = sum_hair1 + sum_hair2

return long_man, long_woman, sum_hair1,sum_hair2,sum_Hair,short_man,short_woman

用声音作为优先选择特征求信息增益

def xxx1(cu_voice,thin_voice,cu_woman,cu_man,num_v_h):

voice_num=cu_voice+thin_voice

A = -cu_voive/voice_num * (cu_woman/num_v_h) * np.log2(cu_woman/num_v_h) - \

cu_voive/voice_num * (cu_man/num_v_h) * np.log2(cu_man/num_v_h)

sum_v = getData(pri_data) - A

return sum_v

用头发作为优先选择特征求信息增益

def xxx2(long_man, long_woman, sum_hair,sum_hair2,sum_Hair,short_man,short_woman):

B = -sum_hair/sum_Hair* (long_man/sum_hair) * np.log2(long_man/sum_hair) - \

sum_hair/sum_Hair * (long_woman/sum_hair) * np.log2(long_woman/sum_hair) - sum_hair2/sum_Hair * (short_man/sum_hair2) * np.log2(short_man/sum_hair2)\

• sum_hair2/sum_Hair* (short_woman/sum_hair2) * np.log2(short_woman/sum_hair2)

sum_h = getData(pri_data) - B

return sum_h

if name == “main”:

pri_data = [[‘长’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’],

[‘长’, ‘细’, ‘女’], [‘短’, ‘细’, ‘女’], [‘短’, ‘粗’, ‘女’],

[‘长’, ‘粗’, ‘女’], [‘长’, ‘粗’, ‘女’]]

total_shang=getData(pri_data)

cu_voive, thin_voice, cu_woman, cu_man, num_v_h=empty1(pri_data)

sum1 = xxx1(cu_voive, thin_voice, cu_woman, cu_man, num_v_h)

print(‘用声音作为优先选择特征求信息增益:’,sum1)

long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman=empty2(pri_data)

sum2 = xxx2(long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman)

print(‘用头发作为优先选择特征求信息增益:’,sum2)

if sum1 > sum2:

print(“用声音作为优先选择特征求信息增益大”)

else:

print(“用头发作为优先选择特征求信息增益大”)

截图：

四、实验内容

（1）案例描述：通过天气、温度、湿度、是否有风4个特征来决策是否打球。使用Python实现求出其信息增益，并得出哪个特征优先被选择（注：数据处理使用程序计算，数据见data.xls）。

数据集如下：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-7u4Vk6PA-1712475284991)]