决策树的Python代码分析（二）

最新推荐文章于 2021-10-29 00:46:50 发布

zengzequan

最新推荐文章于 2021-10-29 00:46:50 发布

阅读量2.9k

点赞数 5

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/u012580217/article/details/46428227

版权

本文基于《机器学习实战》探讨Python决策树实现，重点关注函数参数传递与列表操作。通过示例解释了如何避免修改原始列表，理解列表分片以及extend与append方法的区别。

摘要由CSDN通过智能技术生成

参考《机器学习实战》

<span style="font-family:SimSun;font-size:18px;">1.def splitDataSet(dataSet, axis, value):
2.    retDataSet = []
3.    for featVec in dataSet:
4.        if featVec[axis] == value:
5.            reducedFeatVec = featVec[:axis]
6.            reducedFeatVec.extend(featVec[axis + 1:])
7.            retDataSet.append(reducedFeatVec)
8.    return retDataSet</span>

参数：待划分的数据集、划分数据集的特征、划分数据集的特征的对应值

学习的地方：

1.函数传递的是列表的引用，所以需要新建一个列表，以防对原列表进行修改

2.列表的分片，代码的第五、六行将对原数据除去axis这个特征

3.列表方法的extend和append的区别

其中featVec[：axis] 返回的是一个列表，其元素是featVec这个列表的索引从0到axis - 1的元素，

也就是不包括axis这个索引上的值，若axis为0，则返回空列表

其中featVec[axis + 1: ]返回的是一个列表，其元素是featVec这个列表的索引从axis + 1开始的所有元素

方法e