prim 算法python实现

“PRIM” (Patient Rule Induction Method) 是一种用于构建决策树的算法，主要用于处理分类问题。它基于分类准则，包括信息增益、基尼指数等，对数据进行递归分割，从而构建决策树。

以下是PRIM方法的基本步骤：

1. 选择特征：从可用的特征中选择最佳的特征，作为当前节点的划分标准。选择标准通常基于信息增益、基尼指数或者其他衡量标准来选择对目标变量分类效果最好的特征。

2. 划分数据集：基于选定的特征，将数据集划分成不同的子集。每个子集对应于特征的一个取值。这一步骤实质上是在创建决策树的分支。

3. 递归处理：针对每个子集，递归地应用以上步骤，直到达到停止条件。停止条件可以是特定深度、节点中的样本数量小于某个阈值或者其他预定义的条件。

4. 构建叶节点：当递归到停止条件时，创建叶节点并确定叶节点的分类。

5. 剪枝：在树构建完成后，可以进行剪枝以防止过拟合，提高决策树的泛化能力。

PRIM方法在构建决策树时采用了一种“耐心”的策略，通过适当选择特征和递归划分数据集，构建出简洁而准确的决策树模型。通过考虑信息增益、基尼指数等指标，PRIM方法能够有效地处理分类问题，并生成具有良好泛化能力的决策树模型。

python调用

import prim
p = prim.Prim(x=x,
              y=encoded_labels,
              threshold=None, threshold_type='>',
              peel_alpha=0.05, paste_alpha=0.05, 
              mass_min=0.05, # 目标命中率
              include=None, exclude=None, coi=None)
box = p.find_box()
box.show_details() # 查看细节

查看每个盒子的详细内容

a=p.find_all()
for i in range(len(a)):
    print(a[i])
box.limits

可视化

box.show_ppt()
box.show_tradeoff()