python+决策树(ID3)+matplotlib可视化

小码boy！

已于 2022-09-27 19:55:39 修改

阅读量931

点赞数 3

于 2022-05-12 16:43:14 首次发布

本文链接：https://blog.csdn.net/qq_42368540/article/details/123485052

版权

创建ID3Tree.py，使用ID3算法生成决策树，决策树以字典形式存储

import numpy as np
import pandas as pd

def calEnt(dataSet):
    n = dataSet.shape[0] #获取行数
    labelCountSet = dataSet.iloc[:,-1].value_counts() #统计每个类别的个数，yes两个，no三个
    p = labelCountSet / n #每一类标签所占的比例
    ent = (-p*np.log2(p)).sum() #计算所有类别的熵
    return ent

def bestSplit(dataSet):
    baseEnt = calEnt(dataSet) #计算目前数据集中所有类别的信息熵
    bestGain = 0 #最佳信息增益（取最大值）
    axis = -1 #最佳分割属性所在下标
    #取出每一列（标签列除外）计算信息增益
    for i in range(dataSet.shape[1]-1):
        levels = dataSet.iloc[:,i].value_counts().index #先统计第i列每个元素的个数，然后再返回这几个元素的值
        ents = 0
        for j in levels:
            childSet = dataSet[dataSet.iloc[:,i] == j] #产生一个子dataFrame，例如：先把第i列获取出来，然后判断第i列那些元素等于j，这样就能形成true和false的掩码，然后再把为true的行获取出来
            ent = calEnt(childSet) #计算第i个属性中，值为j的信息熵
            ents += (childSet.shape[0]/dataSet.shape[0])*ent
        infoGain = baseEnt - ents #计算出第i列（第i个属性的信息增益）
        if(infoGain > bestGain):
            bestGain = infoGain
            axis = i #最大信息增益所在的列下标
    return axis

def mySplit(dataSet,axis,value):
    col = dataSet.columns[axis] #获取第axis列的属性名称
    reDataSet = dataSet.loc[dataSet[col] == value,:] #获取col列元素等于value的行
    reDataSet  = reDataSet.drop(col,axis=1) #纵向删除col列
    return reDataSet

def createTree(dataSet):
    featlist = list(dataSet.columns) #获取列的属性名称 ['no surfacing', 'flippers', 'fish']
    classlist = dataSet.iloc[:,-1].value_counts() #获取每一类标签所对应的数量 no 3 yes 2 降序排序
    #递归出口条件，条件一：所有类别都一样，条件二：只剩下一个属性列
    if classlist[0] == dataSet.shape[0] or dataSet.shape[1] == 1 :
        return classlist.index[0] #标签名称
    axis = bestSplit(dataSet) #获取最佳分割属性所在下标
    bestfeat = featlist[axis] #获取最佳分割属性名称
    myTree = {bestfeat:{}} #采用字典形式存储树信息
    del featlist[axis] #删除当前属性
    valuelist = set(dataSet.iloc[:,axis]) #获取最佳分割列所有属性取值
    for value in valuelist :
        myTree[bestfeat][value] = createTree(mySplit(dataSet,axis,value))
    return myTree

#函数功能：对单个测试用例进行分类
#labels 属性和标签列名称 testVec单个测试用例
def classify(inputTree,labels,testVec):
    firstStr = next(iter(inputTree)) #获取决策树第一个节点
    secondDict = inputTree[firstStr] #在字典中获取第一个节点所对应的value
    featIndex = labels.index(firstStr) #第一个节点所在列的下标
    for key in secondDict.keys():
        if testVec[featIndex] == key:
            if type(secondDict[key]) == dict :
                classLabel = classify(secondDict[key],labels,testVec)
            else:
                classLabel = secondDict[key]
    return classLabel

def acc_classify(train,test):
    inputTree = createTree(train)
    labels = list(train.columns)
    result = []
    for i in range(test.shape[0]):
        testVec = test.iloc[i,:-1] #取第i个测试用例，同时排除标签列
        classLabel = classify(inputTree,labels,testVec)
        result.append(classLabel)
    test['predict'] = result #给test新添加一列，用来存储预测结果
    acc = (test.iloc[:,-1] == test.iloc[:,-2]).mean() #计算准确率
    print(f'模型准确率为{acc}')
    return result

创建paintingTree.py，使用matplotlib将以字典形式存储的决策树绘制出来

import matplotlib.pylab as plt
import matplotlib
import numpy as np
import pandas as pd
import ID3Tree as id3Tree #注意这个地方的引入
# 能够显示中文
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.serif'] = ['SimHei']

def plotNode(nodeTxt, centerPt, parentPt, nodeType):
    """
    绘制一个节点
    :param nodeTxt: 描述该节点的文本信息
    :param centerPt: 文本的坐标
    :param parentPt: 点的坐标，这里也是指父节点的坐标
    :param nodeType: 节点类型,分为叶子节点和决策节点
    :return:
    """
    # 箭头样式
    arrow_args = dict(arrowstyle="<-")
    createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction',
                            xytext=centerPt, textcoords='axes fraction',
                            va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)

def getNumLeafs(myTree):
    """
    获取叶节点的数目
    :param myTree:
    :return:
    """
    # 统计叶子节点的总数
    numLeafs = 0
    # 得到当前第一个key，也就是根节点
    firstStr = next(iter(myTree))
    # 得到第一个key对应的内容
    secondDict = myTree[firstStr]
    # 递归遍历叶子节点
    for key in secondDict.keys():
        # 如果key对应的是一个字典，就递归调用
        if type(secondDict[key]) == dict:
            numLeafs += getNumLeafs(secondDict[key])
        # 不是的话，说明此时是一个叶子节点
        else:
            numLeafs += 1
    return numLeafs


def getTreeDepth(myTree):
    """
    得到树的深度层数
    :param myTree:
    :return:
    """
    # 用来保存最大层数
    maxDepth = 0
    # 得到根节点
    firstStr = next(iter(myTree))
    # 得到key对应的内容
    secondDic = myTree[firstStr]
    # 遍历所有子节点
    for key in secondDic.keys():
        # 如果该节点是字典，就递归调用
        if type(secondDic[key]) == dict:
            # 子节点的深度加1
            thisDepth = 1 + getTreeDepth(secondDic[key])
        # 说明此时是叶子节点
        else:
            thisDepth = 1
        # 替换最大层数
        if thisDepth > maxDepth:
            maxDepth = thisDepth
    return maxDepth


def plotMidText(cntrPt, parentPt, txtString):
    """
    计算出父节点和子节点的中间位置，填充信息
    :param cntrPt: 子节点坐标
    :param parentPt: 父节点坐标
    :param txtString: 填充的文本信息
    :return:
    """
    # 计算x轴的中间位置
    xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0]
    # 计算y轴的中间位置
    yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1]
    # 进行绘制
    createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)


def plotTree(myTree, parentPt, nodeTxt):
    """
    绘制出树的所有节点，递归绘制
    :param myTree: 树
    :param parentPt: 父节点的坐标
    :param nodeTxt: 节点的文本信息
    :return:
    """
    # 分叉节点，也就是决策节点  创建字典
    decisionNode = dict(boxstyle="sawtooth", fc="0.8")
    # 叶子节点
    leafNode = dict(boxstyle="round4", fc="0.8")
    # 计算叶子节点数
    numLeafs = getNumLeafs(myTree)
    # 计算树的深度
    depth = getTreeDepth(myTree)
    # 得到根节点的信息内容
    firstStr = next(iter(myTree))
    # 计算出当前根节点在所有子节点的中间坐标,也就是当前x轴的偏移量加上计算出来的根节点的中心位置作为x轴（比如说第一次：初始的x偏移量为：-1/2W,计算出来的根节点中心位置为：(1+W)/2W，相加得到：1/2），当前y轴偏移量作为y轴
    cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff)
    # 绘制该节点与父节点的联系
    plotMidText(cntrPt, parentPt, nodeTxt)
    # 绘制该节点
    plotNode(firstStr, cntrPt, parentPt, decisionNode)
    # 得到当前根节点对应的子树
    secondDict = myTree[firstStr]
    # 计算出新的y轴偏移量，向下移动1/D，也就是下一层的绘制y轴
    plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD
    # 循环遍历所有的key
    for key in secondDict.keys():
        # 如果当前的key是字典的话，代表还有子树，则递归遍历
        if type(secondDict[key]) == dict:
            plotTree(secondDict[key], cntrPt, str(key))
        else:
            # 计算新的x轴偏移量，也就是下个叶子绘制的x轴坐标向右移动了1/W
            plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW
            # 打开注释可以观察叶子节点的坐标变化
            # print((plotTree.xOff, plotTree.yOff), secondDict[key])
            # 绘制叶子节点
            plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
            # 绘制叶子节点和父节点的中间连线内容
            plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
    # 返回递归之前，需要将y轴的偏移量增加，向上移动1/D，也就是返回去绘制上一层的y轴
    plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalD

def createPlot(inTree):
    """
    需要绘制的决策树
    :param inTree: 决策树字典
    :return:
    """
    # 创建一个图像
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    axprops = dict(xticks=[], yticks=[])
    createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)
    # 计算出决策树的总宽度
    plotTree.totalW = float(getNumLeafs(inTree))
    # 计算出决策树的总深度
    plotTree.totalD = float(getTreeDepth(inTree))
    # 初始的x轴偏移量，也就是-1/2W，每次向右移动1/W，也就是第一个叶子节点绘制的x坐标为：1/2W，第二个：3/2W，第三个：5/2W，最后一个：(W-1)/2W
    plotTree.xOff = -0.5 / plotTree.totalW
    # 初始的y轴偏移量，每次向下或者向上移动1/D
    plotTree.yOff = 1.0
    # 调用函数进行绘制节点图像
    plotTree(inTree, (0.5, 1.0), '')
    # 绘制
    plt.show()


if __name__ == '__main__':
    # testTree = {'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}, 3: 'maybe'}}
    dataSet = pd.read_csv(r'C:\Users\dell\Desktop\watermelon.csv')
    myTree = id3Tree.createTree(dataSet)
    createPlot(myTree)

运行结果