ML基础-决策树-3-递归构建决策树

递归构建决策树

划分数据集时的数据路径

#
# 改函数使用分类名称的列表,然后创建键值为classList中唯一的字典数据,
# 字典对象存储了classList中每个类标签出现的频率,租后利用operator操作键值排序字典,并返回出现次数最多的分类名称
#
# classList的解释:这是分类名称的列表
#
def majorityCnt(classList):
    #创建分类的统计
    classCount = {}
    for vote in classList:
        #如果vote不在classCount中,将这个出现的次数设置为0
        if vote not in classCount.keys():
            classCount[vote] = 0
        #将出现的次数+1
        classCount[vote]+=1
    #将出现的次数排序
    sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    #返回出现频率最多的那个class
    return sortedClassCount[0][0]

创建决策树

#
#  参数1:数据集,参数2:标签列表(包含了数据集中所有的特征的标签)
#  数据集的要求:与之前相同
# 1,数据必须是一种由列表元素组成的列表,而且所有列表元素都具有相同的数据长度
# 2,数据的最后一列,或者每个实例最后一个元祖是当前实例的类别的标签
#  
#
def 
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值