python如何实现决策树算法?（代码）

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]]

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,set2)def uniquecounts(rows):    '''计算数据集rows中有几种最终结果，计算结果出现次数，返回一个字典    '''    results={}    for row in rows:        r=row[len(row)-1]        if r not in results: results[r]=0        results[r]+=1    return resultsdef giniimpurity(rows):    '''返回rows数据集的基尼不纯度    '''    total=len(rows)    counts=uniquecounts(rows)    imp=0    for k1 in counts:        p1=float(counts[k1])/total        for k2 in counts:            if k1==k2: continue            p2=float(counts[k2])/total            imp+=p1*p2    return impdef entropy(rows):    '''返回rows数据集的熵    '''    from math import log    log2=lambda x:log(x)/log(2)      results=uniquecounts(rows)    ent=0.0    for r in results.keys():        p=float(results[r])/len(rows)        ent=ent-p*log2(p)    return entdef build_tree(rows,scoref=entropy):    '''构造决策树    '''    if len(rows)==0: return DecisionNode()    current_score=scoref(rows)    # 最佳信息增益    best_gain=0.0    #    best_criteria=None    #最佳划分    best_sets=None    column_count=len(rows[0])-1    #遍历数据集的列，确定分割顺序    for col in range(0,column_count):        column_values={}        # 构造字典        for row in rows:            column_values[row[col]]=1        for value in column_values.keys():            (set1,set2)=pideset(rows,col,value)            p=float(len(set1))/len(rows)            # 计算信息增益            gain=current_score-p*scoref(set1)-(1-p)*scoref(set2)            if gain>best_gain and len(set1)>0 and len(set2)>0:                best_gain=gain                best_criteria=(col,value)                best_sets=(set1,set2)    # 如果划分的两个数据集熵小于原数据集，进一步划分它们    if best_gain>0:        trueBranch=build_tree(best_sets[0])        falseBranch=build_tree(best_sets[1])        return DecisionNode(col=best_criteria[0],value=best_criteria[1],                        tb=trueBranch,fb=falseBranch)    # 如果划分的两个数据集熵不小于原数据集，停止划分    else:        return DecisionNode(results=uniquecounts(rows))def print_tree(tree,indent=''):    if tree.results!=None:        print(str(tree.results))    else:        print(str(tree.col)+':'+str(tree.value)+'? ')        print(indent+'T->',end='')        print_tree(tree.tb,indent+'  ')        print(indent+'F->',end='')        print_tree(tree.fb,indent+'  ')def getwidth(tree):    if tree.tb==None and tree.fb==None: return 1    return getwidth(tree.tb)+getwidth(tree.fb)def getdepth(tree):    if tree.tb==None and tree.fb==None: return 0    return max(getdepth(tree.tb),getdepth(tree.fb))+1def drawtree(tree,jpeg='tree.jpg'):    w=getwidth(tree)*100    h=getdepth(tree)*100+120    img=Image.new('RGB',(w,h),(255,255<span style="color:transparent">本文来源gaodai#ma#com搞*!代#%^码网%</span>,255))    draw=ImageDraw.Draw(img)    drawnode(draw,tree,w/2,20)    img.save(jpeg,'JPEG')def drawnode(draw,tree,x,y):    if tree.results==None:        # Get the width of each branch        w1=getwidth(tree.fb)*100        w2=getwidth(tree.tb)*100        # Determine the total space required by this node        left=x-(w1+w2)/2        right=x+(w1+w2)/2        # Draw the condition string        draw.text((x-20,y-10),str(tree.col)+':'+str(tree.value),(0,0,0))        # Draw links to the branches        draw.line((x,y,left+w1/2,y+100),fill=(255,0,0))        draw.line((x,y,right-w2/2,y+100),fill=(255,0,0))            # Draw the branch nodes        drawnode(draw,tree.fb,left+w1/2,y+100)        drawnode(draw,tree.tb,right-w2/2,y+100)    else:        txt=' \n'.join(['%s:%d'%v for v in tree.results.items()])        draw.text((x-20,y),txt,(0,0,0))

---

搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]‍，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python如何实现决策树算法?（代码）

喜欢 (0)赏

[搞代码]

分享 (0)