决策树,decision的pyton代码和注释(机器学习实战)
2016-09-22 10:15
691 查看
Decison Tree的注释:画图部分不给注释了
from math import log import numpy def calcShannonEnt(dataSet): numEntries = len(dataSet) labelCounts = {}
#这个是字典,{a:1,b:2}其中a,b是key,1,2是对应的value for featVec in dataSet: currentLabel = featVec[-1]
#-1代表最后一行,也就是类标 if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0 labelCounts[currentLabel] += 1 shannonEnt = 0.0 for key in labelCounts: prob = float(labelCounts[key])/numEntries shannonEnt -= prob * log(prob,2) return shannonEnt def createDataSet(): dataSet=[[1,1,'yes'], [1,1,'yes'], [1,0,'no'], [0,1,'yes'], [0,1,'no']] labels=['no surfacing','flippers'] return dataSet,labels #依据特征划分数据集 axis代表第几个特征 value代表该特征所对应的值 返回的是划分后的数据集 def splitDataSet(dataSet, axis, value): retDataSet = [] for featVec in dataSet: if featVec[axis] == value: reducedFeatVec = featVec[:axis]
#这里的featVec[:axis],是指从第1(就是下标0)个数到第axis个,不包含 reducedFeatVec.extend(featVec[axis+1:])
#同上,这里的[axis+1,:]就是从最后到axis+1 retDataSet.append(reducedFeatVec)
#extend,append都是扩展用的,a=[1,2],b=[3,4],a.append(b)=[1,2,[3,4]],a.extend(b)=[1,2,3,4] return retDataSet
#选择最好的数据集(特征)划分方式 返回最佳特征下标def chooseBestFeatureToSplit(dataSet): numFeatures = len(dataSet[0]) - 1 #特征个数 baseEntropy = calcShannonEnt(dataSet) bestInfoGain = 0.0; bestFeature = -1 for i in range(numFeatures): #遍历特征 第i个 featureSet = set([example[i] for example in dataSet]) #第i个特征取值集合
#这一部分代码没啥难度,跟matalb差不多,唯一就是这个set newEntropy= 0.0 for value in featureSet: subDataSet = splitDataSet(dataSet, i, value) prob = len(subDataSet)/float(len(dataSet)) newEntropy += prob * calcShannonEnt(subDataSet) #该特征划分所对应的entropy infoGain = baseEntropy - newEntropy if infoGain > bestInfoGain: bestInfoGain = infoGain bestFeature = i return bestFeature
#创建树的函数代码 python中用字典类型来存储树的结构 返回的结果是myTree-字典def createTree(dataSet, labels): classList = [example[-1] for example in dataSet] if classList.count(classList[0]) == len(classList): #类别完全相同则停止继续划分 返回类标签-叶子节点 return classList[0] if len(dataSet[0]) == 1: return majorityCnt(classList) #遍历完所有的特征时返回出现次数最多的 bestFeat = chooseBestFeatureToSplit(dataSet) bestFeatLabel = labels[bestFeat] myTree = {bestFeatLabel:{}} del(labels[bestFeat]) featValues = [example[bestFeat] for example in dataSet] #得到的列表包含所有的属性值 uniqueVals = set(featValues) for value in uniqueVals: subLabels = labels[:] myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), subLabels) return myTree
#多数表决的方法决定叶子节点的分类 ---- 当所有的特征全部用完时仍属于多类def majorityCnt(classList): classCount = {} for vote in classList: if vote not in classCount.key(): classCount[vote] = 0; classCount[vote] += 1 sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse = True)
#排序函数,至于怎么用,help就好,里面参数设置有详细例子 return sortedClassCount[0][0]
创建树的函数代码 其实这一步应该放在上一步前面def createTree(dataSet, labels):classList = [example[-1] for example in dataSet]if classList.count(classList[0]) == len(classList): #类别完全相同则停止继续划分 返回类标签-叶子节点return classList[0]
#count是数数目的函数,a=[1,1,2] a.count[1]=2 len相当于matalb里的lengthif len(dataSet[0]) == 1:return majorityCnt(classList) #遍历完所有的特征时返回出现次数最多的bestFeat = chooseBestFeatureToSplit(dataSet)bestFeatLabel = labels[bestFeat]myTree = {bestFeatLabel:{}}del(labels[bestFeat])featValues = [example[bestFeat] for example in dataSet] #得到的列表包含所有的属性值uniqueVals = set(featValues)for value in uniqueVals:subLabels = labels[:]myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), subLabels)
#这一步creteTree里面又用了creatTree,递归调用,直到len(dataSet[0]) == 1:return myTree
相关文章推荐
- 决策树算法代码实现及注释(代码来自于机器学习实战)
- 机器学习实战代码清单2-4注释
- 机器学习实战代码详细注释之kNN算法
- 机器学习实战 决策树代码 计算香农熵 Error return arrays must be of ArrayType
- 机器学习实战之朴素贝叶斯_代码注释
- 机器学习实战第三章代码3-2注释
- 关于机器学习实战书上22页代码纠正
- 机器学习实战第三章——决策树程序
- 【读书笔记】机器学习实战-决策树(2)
- 机器学习实战---决策树
- 机器学习实战-边学边读python代码(4)
- [机器学习实战]-决策树
- 机器学习实战之 决策树——ID3算法
- 机器学习理论与实战(二)决策树
- 机器学习实战python版第三章决策树代码理解
- 机器学习实战(代码讲解)
- 机器学习实战学习,代码详解(K-近邻算法)
- 【读书笔记】机器学习实战-决策树(1)
- [置顶] 纠正下关于机器学习实战书中51页代码的错误
- 读书笔记:机器学习实战(2)——章3的决策树代码和个人理解与注释