机器学习西瓜书吃瓜笔记之(二)决策树分类附一键生成决策树&可视化python代码实现

最新推荐文章于 2024-07-11 09:58:56 发布

xwmisc

最新推荐文章于 2024-07-11 09:58:56 发布

阅读量3.3k

点赞数 12

分类专栏：笔记文章标签：决策树分类算法可视化 python 机器学习

本文链接：https://blog.csdn.net/weixin_39955411/article/details/109063551

版权

笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

决策树分类（附一键生成可视化python代码实现）

决策树

决策树是用于分类任务的树结构，它的叶子结点为类别，其余节点为判断操作。
决策树类似于日常中判断分类的方法。对某个样本进行分类时：
1. 从根节点开始
2. 得到所处节点的判断结果
3. 移动到满足结果的子节点上
4. 当移动到叶子结点上时，返回类别，否则转第2步
研究决策树，重点在于如何构建决策树。

构建

决策树学习基本算法：

输入:
    训练集 D={(X1,y1),(X2,y2),...,(Xm,ym)}
    属性集 A={a1,a2,...,ad}
过程:函数 TreeGenerate(D,A)
    生成结点 node;
    if D中样本全属于同一类别C then
        将node标记为C类叶结点; return
    end if
    if A=∅ or D中样本在A上取值相同 then
        将node标记为叶结点,其类别标记为D中样本数最多的类; return
    end if

    从A中选择最优划分属性a*;

    for a* 的每一个值 a*_v do
        为node生成一个分支; 令Dv表示D中在a*上取值为a*_v的样本子集;
        if Dv 为空 then
            将分支结点标记为叶结点,其类别标记为D中样本最多的类; return
        else
            以TreeGenerate(D, A \ {a*})为分支结点
        end if
    end for
输出:以node为根结点的一棵决策树

算法中最关键的是如何从 $A$ 中选择最优划分属性 $a^*$ ，不同的划分选择决定了决策树的种类：

信息增益 ⇒ ID3决策树
信息增益率 ⇒ C4.5决策树
基尼指数 ⇒ CART决策树

信息熵

通俗理解信息熵 - 知乎
信息熵是度量样本集合纯度最常用的指标。假定当前样本集合 $D$ 中第 $i$ 类样本所占比例为 $p_i(i=1,2,\cdots,n)$ ，则 $D$ 的信息熵定义为：
$H(X)=-\sum_{i=1}^{n}p(x_i)·logp(x_i)$

越小概率的事情发生了产生的信息量越大
熵则是在结果出来之前对可能产生的信息量的期望
信息熵描述随机变量的不确定性，信息熵越小，数据集不确定性就低

条件熵

通俗理解条件熵 - 知乎
条件熵代表在某一个条件下，随机变量的复杂度（不确定度）
$\begin{aligned} H(Y|X)&=-\sum_{x\in X}p(x)·H(Y|X=x)\\ &=-\sum_{x\in X}p(x)\sum_{y\in Y}p(y|x)·logp(y|x)\\ &=-\sum_{x\in X}\sum_{y\in Y}p(x,y)logp(y|x) \end{aligned}$

条件熵是指在给定某个变量为某个值的情况下，另一个变量的熵是多少
在每一个小类里面，都计算一个小熵，然后每一个小熵乘以各个类别的概率，然后求和，得到条件熵

信息增益

X的熵减去Y条件下X的熵，就是信息增益：
$G a i n (X, Y) = H (X) - H (Y ∣ X)$

决策树生成&可视化

直接复制粘贴就可以运行看结果，说不清楚的地方请看我的代码具体实现，关键部分已经全部加上注释。
可视化部分需要安装graphviz包，具体请百度安装教程(pip一下,官网下载release版本解压再把路径加环境path就行了)。
要是可视化报错Error: Could not open "decisionTree.gv.pdf" for writing : Invalid argument'记得在浏览器关闭之前的视图

from random import choice
from collections import Counter
import math

# ==========
# 定义数据集
# ==========
D = [
    {'色泽': '青绿', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '乌黑', '根蒂': '蜷缩', '敲声': '沉闷', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '乌黑', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '青绿', '根蒂': '蜷缩', '敲声': '沉闷', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '浅白', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '清晰', '脐部': '凹陷', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '青绿', '根蒂': '稍蜷', '敲声': '浊响', '纹理': '清晰', '脐部': '稍凹', '触感': '软粘', '好瓜': '是'},
    {'色泽': '乌黑', '根蒂': '稍蜷', '敲声': '浊响', '纹理': '稍糊', '脐部': '稍凹', '触感': '软粘', '好瓜': '是'},
    {'色泽': '乌黑', '根蒂': '稍蜷', '敲声': '浊响', '纹理': '清晰', '脐部': '稍凹', '触感': '硬滑', '好瓜': '是'},
    {'色泽': '乌黑', '根蒂': '稍蜷', '敲声': '沉闷', '纹理': '稍糊', '脐部': '稍凹', '触感': '硬滑', '好瓜': '否'},
    {'色泽': '青绿', '根蒂': '硬挺', '敲声': '清脆', '纹理': '清晰', '脐部': '平坦', '触感': '软粘', '好瓜': '否'},
    {'色泽': '浅白', '根蒂': '硬挺', '敲声': '清脆', '纹理': '模糊', '脐部': '平坦', '触感': '硬滑', '好瓜': '否'},
    {'色泽': '浅白', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '模糊', '脐部': '平坦', '触感': '软粘', '好瓜': '否'},
    {'色泽': '青绿', '根蒂': '稍蜷', '敲声': '浊响', '纹理': '稍糊', '脐部': '凹陷', '触感': '硬滑', '好瓜': '否'},
    {'色泽': '浅白', '根蒂': '稍蜷', '敲声': '沉闷', '纹理': '稍糊', '脐部': '凹陷', '触感': '硬滑', '好瓜': '否'},
    {'色泽': '乌黑', '根蒂': '稍蜷', '敲声': '浊响', '纹理': '清晰', '脐部': '稍凹', '触感': '软粘', '好瓜': '否'},
    {'色泽': '浅白', '根蒂': '蜷缩', '敲声': '浊响', '纹理': '模糊', '脐部': '平坦', '触感': '硬滑', '好瓜': '否'},
    {'色泽': '青绿', '根蒂': '蜷缩', '敲声': '沉闷', '纹理': '稍糊', '脐部': '稍凹', '触感': '硬滑', '好瓜': '否'},
]


# ==========
# 决策树生成类
# ==========
class DecisionTree:
    def __init__(self, D, label, chooseA):
        self.D = D  # 数据集
        self.label = label  # 哪个属性作为标签
        self.chooseA = chooseA  # 划分方法
        self.A = list(filter(lambda key: key != label, D[0].keys()))  # 属性集合A
        # 获得A的每个属性的可选项
        self.A_item = {}
        for a in self.A:
            self.A_item.update({a: set(self.getClassValues(D, a))})
        self.root = self.generate(self.D, self.A)  # 生成树并保存根节点

    # 获得D中所有className属性的值
    def getClassValues(self, D, className):
        return list(map(lambda sample: sample[className], D))

    # D中样本是否在A的每个属性上相同
    def isSameInA(self, D, A):
        for a in A:
            types = set(self.getClassValues(D, a))
            if len(types) > 1:
                return False
        return True

    # 构建决策树，递归生成节点
    def generate(self, D, A):
        node = {}  # 生成节点
        remainLabelValues = self.getClassValues(D, self.label)  # D中的所有标签
        remainLabelTypes = set(remainLabelValues)  # D中含有哪几种标签

        if len(remainLabelTypes) == 1:
            # 当前节点包含的样本全属于同个类别，无需划分
            return remainLabelTypes.pop()  # 标记Node为叶子结点,值为仅存的标签

        most = max(remainLabelTypes, key=remainLabelValues.count)  # D占比最多的标签

        if len(A) == 0 or self.isSameInA(D, A):
            # 当前属性集为空，或是所有样本在所有属性上取值相同，无法划分
            return most  # 标记Node为叶子结点,值为占比最多的标签

        a = self.chooseA(D,A,self)  # 划分选择

        for type in self.A_item[a]:
            condition = (lambda sample: sample[a] == type)  # 决策条件
            remainD = list(filter(condition, D))  # 剩下的样本
            if len(remainD) == 0:
                # 当前节点包含的样本集为空，不能划分
                node.update({type: most})  # 标记Node为叶子结点,值为占比最多的标签
            else:
                # 继续对剩下的样本按其余属性划分
                remainA = list(filter(lambda x: x != a, A))  # 未使用的属性
                _node = self.generate(remainD, remainA)  # 递归生成子代节点
                node.update({type: _node})  # 把生成的子代节点更新到当前节点
        return {a: node}


# ==========
#  定义划分方法
# ==========

# 随机选择
def random_choice(D, A, tree: DecisionTree):
    return choice(A)

# 信息熵
def Ent(D,label,a,a_v):
    D_v = filter(lambda sample:sample[a]==a_v,D)
    D_v = map(lambda sample:sample[label],D_v)
    D_v = list(D_v)
    D_v_length = len(D_v)
    counter = Counter(D_v)
    info_entropy = 0
    for k, v in counter.items():
        p_k = v / D_v_length
        info_entropy += p_k * math.log(p_k, 2)
    return -info_entropy

# 信息增益
def information_gain(D, A, tree: DecisionTree):
    gain = {}
    for a in A:
        gain[a] = 0
        values = tree.getClassValues(D, a)
        counter = Counter(values)
        for a_v,nums in counter.items():
            gain[a] -= (nums / len(D)) * Ent(D,tree.label,a,a_v)
    return max(gain.keys(),key=lambda key:gain[key])

# ==========
#  创建决策树
# ==========
desicionTreeRoot = DecisionTree(D, label='好瓜',chooseA=information_gain).root
print('决策树:', desicionTreeRoot)


# ==========
# 决策树可视化类
# ==========
class TreeViewer:
    def __init__(self):
        from graphviz import Digraph
        self.id_iter = map(str, range(0xffff))
        self.g = Digraph('G', filename='decisionTree.gv')

    def create_node(self, label, shape=None):
        id = next(self.id_iter)
        self.g.node(name=id, label=label, shape=shape, fontname="Microsoft YaHei")
        return id

    def build(self, key, node, from_id):
        for k in node.keys():
            v = node[k]
            if type(v) is dict:
                first_attr = list(v.keys())[0]
                id = self.create_node(first_attr+"？", shape='box')
                self.g.edge(from_id, id, k, fontsize = '12', fontname="Microsoft YaHei")
                self.build(first_attr, v[first_attr], id)
            else:
                id = self.create_node(v)
                self.g.edge(from_id, id, k, fontsize = '12', fontname="Microsoft YaHei")

    def show(self, root):
        first_attr = list(root.keys())[0]
        id = self.create_node(first_attr+"？", shape='box')
        self.build(first_attr, root[first_attr], id)
        self.g.view()


# ==========
# 显示创建的决策树
# ==========
viewer = TreeViewer()
viewer.show(desicionTreeRoot)

敲代码不易，且用且珍惜，若要转载请注明出处，谢谢

xwmisc

关注

12
点赞
踩
49

收藏

觉得还不错? 一键收藏
1
评论
机器学习西瓜书吃瓜笔记之(二)决策树分类附一键生成决策树&可视化python代码实现

决策树分类（附一键生成可视化python代码实现）决策树决策树是用于分类任务的树结构，它的叶子结点为类别，其余节点为判断操作。决策树类似于日常中判断分类的方法。对某个样本进行分类时：从根节点开始得到所处节点的判断结果移动到满足结果的子节点上当移动到叶子结点上时，返回类别，否则转第2步研究决策树，重点在于如何构建决策树。构建决策树学习基本算法：输入: 训练集 D={(X1,y1),(X2,y2),...,(Xm,ym)} 属性集 A={a1,a2,.
复制链接

扫一扫