机器学习-----决策树

最新推荐文章于 2022-07-30 00:31:24 发布

邋遢小道士

最新推荐文章于 2022-07-30 00:31:24 发布

阅读量149

点赞数

本文链接：https://blog.csdn.net/qq_35952225/article/details/104808404

版权

1.决策树/判断树

判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。

2.分类方法的重要的算法

3.决策树构建

3.1信息熵

比特（bit）衡量信息熵，事件不确定性越大熵也也大；

公式：

条件熵：

（1）决策树归纳算法（ID3）

算法步骤：

树以代表训练样本的单个结点开始（步骤1）。
如果样本都在同一个类，则该结点成为树叶，并用该类标号（步骤2 和3）。
否则，算法使用称为信息增益的基于熵的度量作为启发信息，选择能够最好地将样本分类的属性（步骤6）。该属性成为该结点的“测试”或“判定”属性（步骤7）。在算法的该版本中，
所有的属性都是分类的，即离散值。连续属性必须离散化。
对测试属性的每个已知的值，创建一个分枝，并据此划分样本（步骤8-10）。
算法使用同样的过程，递归地形成每个划分上的样本判定树。一旦一个属性出现在一个结点上，就不必该结点的任何后代上考虑它（步骤13）。
递归划分步骤仅当下列条件之一成立停止：
(a) 给定结点的所有样本属于同一类（步骤2 和3）。
(b) 没有剩余属性可以用来进一步划分样本（步骤4）。在此情况下，使用多数表决（步骤5）。
这涉及将给定的结点转换成树叶，并用样本中的多数所在的类标记它。替换地，可以存放结
点样本的类分布。
(c) 分枝
test_attribute = a i 没有样本（步骤11）。在这种情况下，以 samples 中的多数类
创建一个树叶（步骤12）

数据：

python环境3.7

# -×- encoding=utf-8 -*-
from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import preprocessing
from sklearn import tree
import numpy as np
import os
import pydot
# os.environ['PATH'] = os.environ['PATH'] + ('D:\\graphviz-2.38\\release\\bin')
from sklearn.externals.six import StringIO

#read the csv file
allElectronicsData = open('play.csv', 'rt')
reader = csv.reader(allElectronicsData)
header = next(reader)

print(header)

featureList = []
labelList = []

for row in reader:
    labelList.append(row[len(row)-1])
    rowDict = {}
    for i in range(1, len(row)-1):
        rowDict[header[i]] = row[i]

    featureList.append(rowDict)

print(featureList)

#vectorize feature
vec = DictVectorizer()
dumpyX = vec.fit_transform(featureList).toarray()

print("dunmpyX " + str(dumpyX))
print("feature_name"+str(vec.get_feature_names()))

print("labelList " + str(labelList))

#vectorize class lables
lb = preprocessing.LabelBinarizer()
dummyY = lb.fit_transform(labelList)
print("dummyY:" + str(dummyY))


#use the decision tree for classfication

clf = tree.DecisionTreeClassifier(criterion='entropy')
clf = clf.fit(dumpyX, dummyY)      #构造决策树

#打印构造决策树采用的参数
print("clf : " + str(clf))

#visilize the model
# obname = vec.get_feature_names()
# with open('play.dot', 'w') as file:
#     tree.export_graphviz(clf, feature_names=obname, out_file=file)
# dot -Tpdf in.dot -o out.pdf输出pdf文件
# (graph, ) = pydot.graph_from_dot_file('play.dot')
# graph.write_png('play.png')
#验证数据，取一行数据，修改几个属性预测结果
oneRowX = dumpyX[0, :]
print("oneRowX: " + str(oneRowX))

newRowX = oneRowX
newRowX[0] = 1
newRowX[2] = 0
newRowX = np.array(newRowX).reshape(1, -1)
print("newRowX:" + str(newRowX))

predictedY = clf.predict(newRowX)
print("predictedY:" + str(predictedY))

生成tree