python實現(xiàn)ID3決策樹算法
更新時間:2018年08月29日 15:25:07 作者:楊柳岸曉風
這篇文章主要為大家詳細介紹了python實現(xiàn)ID3決策樹算法,具有一定的參考價值,感興趣的小伙伴們可以參考一下
ID3決策樹是以信息增益作為決策標準的一種貪心決策樹算法
# -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class ID3DTree(object): def __init__(self): # 構(gòu)造方法 self.tree = {} # 生成樹 self.dataSet = [] # 數(shù)據(jù)集 self.labels = [] # 標簽集 # 數(shù)據(jù)導入函數(shù) def loadDataSet(self, path, labels): recordList = [] fp = open(path, "rb") # 讀取文件內(nèi)容 content = fp.read() fp.close() rowList = content.splitlines() # 按行轉(zhuǎn)換為一維表 recordList = [row.split("\t") for row in rowList if row.strip()] # strip()函數(shù)刪除空格、Tab等 self.dataSet = recordList self.labels = labels # 執(zhí)行決策樹函數(shù) def train(self): labels = copy.deepcopy(self.labels) self.tree = self.buildTree(self.dataSet, labels) # 構(gòu)件決策樹:穿件決策樹主程序 def buildTree(self, dataSet, lables): cateList = [data[-1] for data in dataSet] # 抽取源數(shù)據(jù)集中的決策標簽列 # 程序終止條件1:如果classList只有一種決策標簽,停止劃分,返回這個決策標簽 if cateList.count(cateList[0]) == len(cateList): return cateList[0] # 程序終止條件2:如果數(shù)據(jù)集的第一個決策標簽只有一個,返回這個標簽 if len(dataSet[0]) == 1: return self.maxCate(cateList) # 核心部分 bestFeat = self.getBestFeat(dataSet) # 返回數(shù)據(jù)集的最優(yōu)特征軸 bestFeatLabel = lables[bestFeat] tree = {bestFeatLabel: {}} del (lables[bestFeat]) # 抽取最優(yōu)特征軸的列向量 uniqueVals = set([data[bestFeat] for data in dataSet]) # 去重 for value in uniqueVals: # 決策樹遞歸生長 subLables = lables[:] # 將刪除后的特征類別集建立子類別集 # 按最優(yōu)特征列和值分隔數(shù)據(jù)集 splitDataset = self.splitDataSet(dataSet, bestFeat, value) subTree = self.buildTree(splitDataset, subLables) # 構(gòu)建子樹 tree[bestFeatLabel][value] = subTree return tree # 計算出現(xiàn)次數(shù)最多的類別標簽 def maxCate(self, cateList): items = dict([(cateList.count(i), i) for i in cateList]) return items[max(items.keys())] # 計算最優(yōu)特征 def getBestFeat(self, dataSet): # 計算特征向量維,其中最后一列用于類別標簽 numFeatures = len(dataSet[0]) - 1 # 特征向量維數(shù)=行向量維數(shù)-1 baseEntropy = self.computeEntropy(dataSet) # 基礎(chǔ)熵 bestInfoGain = 0.0 # 初始化最優(yōu)的信息增益 bestFeature = -1 # 初始化最優(yōu)的特征軸 # 外循環(huán):遍歷數(shù)據(jù)集各列,計算最優(yōu)特征軸 # i為數(shù)據(jù)集列索引:取值范圍0~(numFeatures-1) for i in xrange(numFeatures): uniqueVals = set([data[i] for data in dataSet]) # 去重 newEntropy = 0.0 for value in uniqueVals: subDataSet = self.splitDataSet(dataSet, i, value) prob = len(subDataSet) / float(len(dataSet)) newEntropy += prob * self.computeEntropy(subDataSet) infoGain = baseEntropy - newEntropy if (infoGain > bestInfoGain): # 信息增益大于0 bestInfoGain = infoGain # 用當前信息增益值替代之前的最優(yōu)增益值 bestFeature = i # 重置最優(yōu)特征為當前列 return bestFeature # 計算信息熵 # @staticmethod def computeEntropy(self, dataSet): dataLen = float(len(dataSet)) cateList = [data[-1] for data in dataSet] # 從數(shù)據(jù)集中得到類別標簽 # 得到類別為key、 出現(xiàn)次數(shù)value的字典 items = dict([(i, cateList.count(i)) for i in cateList]) infoEntropy = 0.0 for key in items: # 香農(nóng)熵: = -p*log2(p) --infoEntropy = -prob * log(prob, 2) prob = float(items[key]) / dataLen infoEntropy -= prob * math.log(prob, 2) return infoEntropy # 劃分數(shù)據(jù)集: 分割數(shù)據(jù)集; 刪除特征軸所在的數(shù)據(jù)列,返回剩余的數(shù)據(jù)集 # dataSet : 數(shù)據(jù)集; axis: 特征軸; value: 特征軸的取值 def splitDataSet(self, dataSet, axis, value): rtnList = [] for featVec in dataSet: if featVec[axis] == value: rFeatVec = featVec[:axis] # list操作:提取0~(axis-1)的元素 rFeatVec.extend(featVec[axis + 1:]) rtnList.append(rFeatVec) return rtnList # 存取樹到文件 def storetree(self, inputTree, filename): fw = open(filename,'w') pickle.dump(inputTree, fw) fw.close() # 從文件抓取樹 def grabTree(self, filename): fr = open(filename) return pickle.load(fr)
調(diào)用代碼
# -*- coding: utf-8 -*- from numpy import * from ID3DTree import * dtree = ID3DTree() # ["age", "revenue", "student", "credit"]對應年齡、收入、學生、信譽4個特征 dtree.loadDataSet("dataset.dat", ["age", "revenue", "student", "credit"]) dtree.train() dtree.storetree(dtree.tree, "data.tree") mytree = dtree.grabTree("data.tree") print mytree
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
PyCharm 2020.1版安裝破解注冊碼永久激活(激活到2089年)
這篇文章主要介紹了PyCharm 2020.1版安裝破解注冊碼永久激活(激活到2089年),需要的朋友可以參考下2020-09-09Django使用Celery加redis執(zhí)行異步任務的實例內(nèi)容
在本篇文章里小編給大家整理的是關(guān)于Django使用Celery加redis執(zhí)行異步任務,需要的朋友們可以學習下。2020-02-02Python在字典中獲取帶權(quán)重的隨機值實現(xiàn)方式
這篇文章主要介紹了Python在字典中獲取帶權(quán)重的隨機值,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-11-11一文秒懂python讀寫csv xml json文件各種騷操作
多年來,數(shù)據(jù)存儲的可能格式顯著增加,但是,在日常使用中,還是以 CSV 、 JSON 和 XML 占主導地位。 在本文中,我將與你分享在Python中使用這三種流行數(shù)據(jù)格式及其之間相互轉(zhuǎn)換的最簡單方法,需要的朋友可以參考下2019-07-07