python 遍历决策树的节点_python如何实现决策树算法?（代码）

本篇文章给大家带来的内容是关于python如何实现决策树算法?(代码)，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。

数据描述

每条数据项储存在列表中，最后一列储存结果

多条数据项形成数据集data=[[d1,d2,d3...dn,result],

[d1,d2,d3...dn,result],

.

.

[d1,d2,d3...dn,result]]

决策树数据结构class DecisionNode:

'''决策树节点

'''

def __init__(self,col=-1,value=None,results=None,tb=None,fb=None):

'''初始化决策树节点

args：

col -- 按数据集的col列划分数据集

value -- 以value作为划分col列的参照

result -- 只有叶子节点有，代表最终划分出的子数据集结果统计信息。｛‘结果’：结果出现次数｝

rb,fb -- 代表左右子树

'''

self.col=col

self.value=value

self.results=results

self.tb=tb

self.fb=fb

决策树分类的最终结果是将数据项划分出了若干子集，其中每个子集的结果都一样，所以这里采用｛‘结果’：结果出现次数｝的方式表达每个子集def pideset(rows,column,value):

'''依据数据集rows的column列的值，判断其与参考值value的关系对数据集进行拆分

返回两个数据集

'''

split_function=None

#value是数值类型

if isinstance(value,int) or isinstance(value,float):

#定义lambda函数当row[column]>=value时返回true

split_function=lambda row:row[column]>=value

#value是字符类型

else:

#定义lambda函数当row[column]==value时返回true

split_function=lambda row:row[column]==value

#将数据集拆分成两个

set1=[row for row in rows if split_function(row)]

set2=[row for row in rows if not split_function(row)]

#返回两个数据集

return (set1,set