python决策树分箱_python编写分类决策树的代码

决策树通常在机器学习中用于分类。

优点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感，可以处理不相关特征数据。

缺点：可能会产生过度匹配问题。

适用数据类型：数值型和标称型。

1.信息增益

划分数据集的目的是：将无序的数据变得更加有序。组织杂乱无章数据的一种方法就是使用信息论度量信息。通常采用信息增益，信息增益是指数据划分前后信息熵的减少值。信息越无序信息熵越大，获得信息增益最高的特征就是最好的选择。

熵定义为信息的期望，符号xi的信息定义为：

其中p(xi)为该分类的概率。

熵，即信息的期望值为：

计算信息熵的代码如下：

可以根据信息熵，按照获取最大信息增益的方法划分数据集。

2.划分数据集

划分数据集就是将所有符合要求的元素抽出来。

3.选择最好的数据集划分方式

信息增益是熵的减少或者是信息无序度的减少。

4.递归创建决策树

结束条件为：程序遍历完所有划分数据集的属性，或每个分支下的所有实例都具有相同的分类。

当数据集已经处理了所有属性，但是类标签还不唯一时，采用多数表决的方式决定叶子节点的类型。

生成决策树：

5.测试算法——使用决策树分类

同样采用递归的方式得到分类结果。

6.完整代码如下

7.编程技巧

extend与append的区别

extend([])，是将列表中的每个元素依次加入新列表中

append()是将括号中的内容当做一项加入到新列表中

列表推到

创建新列表的方式

提取列表中唯一的元素

列表/元组排序,sorted()函数

列表的复制

代码及数据集下载：决策树

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。

原文链接：http://blog.csdn.net/weixin_37895339/article/details/78388545