机器学习实战决策树

这几天一直在学习机器学习实战python代码实现，在程序清单的3-6  获取及诶单数程序，书上的程序是这样的

def getNumLeafs(myTree):
    numLeafs = 0.0
    firstStr=list(dict.keys(myTree))[0]
    secondDict=myTree[firstStr]
    print(secondDict)
    print(secondDict.keys())
    for key in secondDict.keys():
        print(secondDict[key])
        if type(secondDict[key])=='dict':
            numLeafs+=getNumLeafs(secondDict[key])
        else:
            numLeafs+=1
        print(numLeafs)
    return numLeafs

有的地方为了测试我自己加了几段代码，运行结果如下：

{0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}
dict_keys([0, 1])
no
1.0
{'flippers': {0: 'no', 1: 'yes'}}
2.0
2.0

由此看出，在子树{0: 'no', 1: 'yes'}没有运行进去，输出结果应该是3，但是这里是2，显然不对，于是我自己编写一个函数，比书上简洁运行结果是对的：

程序如下：

def getNumLeafs(myTree):
    numLeafs=0.0
    for feat in myTree.keys():
        if type(myTree[feat]).__name__=='dict':
            numLeafs+=getNumLeafs(myTree[feat])
        else:numLeafs+=1
    return numLeafs

myTree = {'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
a = getNumLeafs(myTree)
print(a)
print(myTree.keys())

运行结果如下：

3.0
dict_keys(['no surfacing'])

符合预知的结果：