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(dǎo)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(yīng)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
利用Python爬取微博數(shù)據(jù)生成詞云圖片實例代碼
這篇文章主要給大家介紹了關(guān)于利用Python爬取微博數(shù)據(jù)生成詞云圖片的相關(guān)資料,文中通過示例代碼介紹非常詳細,對大家學習或者使用python具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧。2017-08-08
PySpark與GraphFrames的安裝與使用環(huán)境搭建過程
這篇文章主要介紹了PySpark與GraphFrames的安裝與使用教程,本文通過圖文并茂實例代碼相結(jié)合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2022-02-02
Python實現(xiàn)實時數(shù)據(jù)采集新型冠狀病毒數(shù)據(jù)實例
在本篇文章里小編給大家整理了關(guān)于Python實現(xiàn)實時數(shù)據(jù)采集新型冠狀病毒數(shù)據(jù)實例內(nèi)容,有需要的朋友們可以學習參考下。2020-02-02
Pytorch distributed 多卡并行載入模型操作
這篇文章主要介紹了Pytorch distributed 多卡并行載入模型操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-06-06

