决策树以及手撸代码

什么是决策树算法

       决策树是基本的分类回归算法,呈树状结构,在分类任务中,是基于特征对实例进行分类的过程。可以认为是,在给定特征条件下类的条件概率。

决策树算法种类

  • ID3:基于信息增益选择特征的算法
  • C4.5:基于信息增益率选择特征的算法
  • CART:基于gini系数选择特征的算法

代码

#DT

import numpy as np
from math import log
import operator

def ShannonEnt(dataSet):
    num = len(dataSet)
    labelCount = {}
    for data in dataSet:
        curLabel = data[-1]
        if curLabel not in labelCount.keys():
            labelCount[curLabel] = 0
        labelCount[curLabel] += 1
    shannonEnt = 0.0
    for key in labelCount:
        prob = float(labelCount[key]) / num
        shannonEnt -= prob * log(prob, 2)
    return shannonEnt

def splitDataset(dataSet, axis, value):
    newDataSet = []
    for featVec in dataSet:
        if featVec[axis] == value:
            newDataSet.append(featVec)
    return newDataSet

def creatDataSet():
    dataSet = [[1, 1, 'yes'],
              [1, 1, 'yes'],
              [1, 0, 'no'],
              [0, 1, 'no'],
              [0, 1, 'no']]
    label = ['no surfacing', 'flippers']
    return dataSet, label

def choostBestFeature(dataSet):
    num_feature = len(dataSet[0]) - 1
    base_entropy = ShannonEnt(dataSet)
    best_info_gain = 0.0
    for i in range(num_feature):
        feat_value = set([example[i] for example in dataSet])
        feat_entropy = 0.0
        for value in feat_value:
            sub_dataSet = splitDataset(dataSet, i, value)
            prob = float(len(sub_dataSet) / len(dataSet))
            feat_entropy += prob * ShannonEnt(sub_dataSet)
        info_gain = base_entropy - feat_entropy
        if info_gain > best_info_gain:
            best_info_gain = info_gain
            best_feature = i
    return best_feature

def labelOfLeaf(class_list):
    class_count = {}
    for vote in class_list:
        if vote not in class_list:
            class_list[vote] = 0
        class_list[vote] += 1
    sorted_class_list = sorted(class_count.items(), key=operator.itemgetter(1), reverse=True)
    return sorted_class_list[0][0]


def creatTree(dataSet, labels):
    class_list = [example[-1] for example in dataSet]
    if class_list.count(class_list[0]) == len(class_list):
        return class_list[0]
    if len(dataSet[0]) == 1:
        return labelOfLeaf(class_list)
    best_feat = choostBestFeature(dataSet)
    best_feat_label = labels[best_feat]
    myTree = {best_feat_label:{}}
    unique_feat_values = set([example[best_feat] for example in dataSet])
    for value in unique_feat_values:
        myTree[best_feat_label][value] = creatTree(splitDataset(dataSet, best_feat, value), labels)
    return myTree

       这个代码主要是机器学习实战上的,但书上有挺多错误,我都已经修改好了,在我电脑上是没有出现错误。有啥不对的,还请各位大神指教。这也算是手撸一次代码复习一下。

参考

机器学习实战 -Peter Harrington


评论
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