python实现决策树ID3算法的示例代码


Posted in Python onMay 30, 2018

在周志华的西瓜书和李航的统计机器学习中对决策树ID3算法都有很详细的解释,如何实现呢?核心点有如下几个步骤

step1:计算香农熵

from math import log
import operator


# 计算香农熵
def calculate_entropy(data):
  label_counts = {}
  for feature_data in data:
    laber = feature_data[-1] # 最后一行是laber
    if laber not in label_counts.keys():
      label_counts[laber] = 0
    label_counts[laber] += 1

  count = len(data)
  entropy = 0.0

  for key in label_counts:
    prob = float(label_counts[key]) / count
    entropy -= prob * log(prob, 2)
  return entropy

step2.计算某个feature的信息增益的方法

# 计算某个feature的信息增益
# index:要计算信息增益的feature 对应的在data 的第几列
# data 的香农熵
def calculate_relative_entropy(data, index, entropy):
  feat_list = [number[index] for number in data] # 得到某个特征下所有值(某列)
  uniqual_vals = set(feat_list)
  new_entropy = 0
  for value in uniqual_vals:
    sub_data = split_data(data, index, value)
    prob = len(sub_data) / float(len(data)) 
    new_entropy += prob * calculate_entropy(sub_data) # 对各子集香农熵求和
  relative_entropy = entropy - new_entropy # 计算信息增益
  return relative_entropy

step3.选择最大信息增益的feature

# 选择最大信息增益的feature
def choose_max_relative_entropy(data):
  num_feature = len(data[0]) - 1
  base_entropy = calculate_entropy(data)#香农熵
  best_infor_gain = 0
  best_feature = -1
  for i in range(num_feature):
    info_gain=calculate_relative_entropy(data, i, base_entropy)
    #最大信息增益
    if (info_gain > best_infor_gain):
      best_infor_gain = info_gain
      best_feature = i

  return best_feature

step4.构建决策树

def create_decision_tree(data, labels):
  class_list=[example[-1] for example in data]
  # 类别相同,停止划分
  if class_list.count(class_list[-1]) == len(class_list):
    return class_list[-1]
  # 判断是否遍历完所有的特征时返回个数最多的类别
  if len(data[0]) == 1:
    return most_class(class_list)
  # 按照信息增益最高选取分类特征属性
  best_feat = choose_max_relative_entropy(data)
  best_feat_lable = labels[best_feat] # 该特征的label
  decision_tree = {best_feat_lable: {}} # 构建树的字典
  del(labels[best_feat]) # 从labels的list中删除该label
  feat_values = [example[best_feat] for example in data]
  unique_values = set(feat_values)
  for value in unique_values:
    sub_lables=labels[:]
    # 构建数据的子集合,并进行递归
    decision_tree[best_feat_lable][value] = create_decision_tree(split_data(data, best_feat, value), sub_lables)
  return decision_tree

在构建决策树的过程中会用到两个工具方法:

# 当遍历完所有的特征时返回个数最多的类别
def most_class(classList):
  class_count={}
  for vote in classList:
    if vote not in class_count.keys():class_count[vote]=0
    class_count[vote]+=1
  sorted_class_count=sorted(class_count.items,key=operator.itemgetter(1),reversed=True)
  return sorted_class_count[0][0]
  
# 工具函数输入三个变量(待划分的数据集,特征,分类值)返回不含划分特征的子集
def split_data(data, axis, value):
  ret_data=[]
  for feat_vec in data:
    if feat_vec[axis]==value :
      reduce_feat_vec=feat_vec[:axis]
      reduce_feat_vec.extend(feat_vec[axis+1:])
      ret_data.append(reduce_feat_vec)
  return ret_data

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
跟老齐学Python之有容乃大的list(1)
Sep 14 Python
python实现从网络下载文件并获得文件大小及类型的方法
Apr 28 Python
python3+PyQt5图形项的自定义和交互 python3实现page Designer应用程序
Jul 20 Python
在IPython中执行Python程序文件的示例
Nov 01 Python
Python使用ctypes调用C/C++的方法
Jan 29 Python
python中with语句结合上下文管理器操作详解
Dec 19 Python
将tensorflow.Variable中的某些元素取出组成一个新的矩阵示例
Jan 04 Python
将pytorch转成longtensor的简单方法
Feb 18 Python
将pycharm配置为matlab或者spyder的用法说明
Jun 08 Python
详解如何在pyqt中通过OpenCV实现对窗口的透视变换
Sep 20 Python
Python析构函数__del__定义原理解析
Nov 20 Python
python实现三种随机请求头方式
Jan 05 Python
浅谈Django中的数据库模型类-models.py(一对一的关系)
May 30 #Python
Python实现的读取电脑硬件信息功能示例
May 30 #Python
Python应用库大全总结
May 30 #Python
Django中反向生成models.py的实例讲解
May 30 #Python
Python RabbitMQ消息队列实现rpc
May 30 #Python
python日期时间转为字符串或者格式化输出的实例
May 29 #Python
python 集合 并集、交集 Series list set 转换的实例
May 29 #Python
You might like
PHP 中英文混合排版中处理字符串常用的函数
2007/04/12 PHP
php创建桌面快捷方式实现方法
2015/12/31 PHP
php面向对象之反射功能与用法分析
2017/03/29 PHP
php二维码生成以及下载实现
2017/09/28 PHP
两个SUBMIT按钮,如何区分处理
2006/08/22 Javascript
javascript笔试题目附答案@20081025_jb51.net
2008/10/26 Javascript
通过JS 获取Mouse Position(鼠标坐标)的代码
2009/09/21 Javascript
javascript获取四位数字或者字母的随机数
2015/01/09 Javascript
JavaScript中数组继承的简单示例
2015/07/29 Javascript
js实现正则匹配中文标点符号的方法
2015/12/23 Javascript
nodejs的HTML分析利器node-jquery用法浅析
2016/11/08 NodeJs
基于jQuery对象和DOM对象和字符串之间的转化实例
2017/08/08 jQuery
详解angular分页插件tm.pagination二次触发问题解决方案
2018/07/20 Javascript
区别JavaScript函数声明与变量声明
2018/09/12 Javascript
vue实现微信分享功能
2018/11/28 Javascript
vue学习笔记之过滤器的基本使用方法实例分析
2020/02/01 Javascript
vue cli4下环境变量和模式示例详解
2020/04/09 Javascript
[43:36]Liquid vs Mineski 2018国际邀请赛小组赛BO2 第一场 8.18
2018/08/19 DOTA
[40:04]Secret vs Infamous 2019国际邀请赛淘汰赛 败者组 BO3 第二场 8.23
2019/09/05 DOTA
探寻python多线程ctrl+c退出问题解决方案
2014/10/23 Python
APIStar:一个专为Python3设计的API框架
2018/09/26 Python
Python实现按逗号分隔列表的方法
2018/10/23 Python
简单了解python单例模式的几种写法
2019/07/01 Python
python取均匀不重复的随机数方式
2019/11/27 Python
Python如何访问字符串中的值
2020/02/09 Python
美国顶级户外凉鞋品牌:Chacos
2017/03/27 全球购物
选购国际女性时装设计师品牌:IFCHIC(支持中文)
2018/04/12 全球购物
英国排名第一的停车场运营商:NCP
2019/08/26 全球购物
行政管理人员精品工作推荐信
2013/11/04 职场文书
先进工作者事迹材料
2014/12/23 职场文书
2015年度党员个人总结
2015/02/14 职场文书
自我评价优缺点范文
2015/03/11 职场文书
四十年同学聚会致辞
2015/07/28 职场文书
交通安全教育主题班会
2015/08/12 职场文书
熟背这些句子,让您的英语口语突飞猛进(135句)
2019/09/06 职场文书
ConditionalOnProperty配置swagger不生效问题及解决
2022/06/14 Java/Android