機器學習 決策樹

此文章是《machine learning in action》中決策樹章節的學習筆記，

決策樹可以使用不熟悉的資料集合，並從中提取出一系列規則，在這些機器根據資料集建立規則時，就是機器學習的過程。

缺點：可能會產生過度匹配問題

適用資料型別：數值型和標稱型

1 夏農熵

# -*- coding: utf-8 -*-

'''created on 2023年02月21日
@author: dzm
'''from math import log
defcreatedataset
():'''
資料集，
第一列 不浮出水面是否可以生存
第二列 是否有腳蹼
第三列 屬於魚類
:return: 
'''dataset = [[1, 1, 'yes'],
[1, 1, 'yes'],
[1, 0, 'no'],
[0, 1, 'no'],
[0, 1, 'no']]
labels = ['no su***cing','flippers']
#change to discrete values
return dataset, labels
defcalcshannonent
(dataset):
'''    計算夏農熵
:param dataset: 
:return: 
'''numentries = len(dataset)
labelcounts = {}
for featvec in dataset: #the the number of unique elements and their occurance
currentlabel = featvec[-1]
if currentlabel not
in labelcounts.keys(): labelcounts[currentlabel] = 0
labelcounts[currentlabel] += 1
shannonent = 0.0
for key in labelcounts:
# 計算分類的概率
prob = float(labelcounts[key])/numentries
# 計算夏農熵
shannonent -= prob * log(prob,2) #log base 2
return shannonent
if __name__ == '__main__':
mydat, labels = createdataset()
print calcshannonent(mydat)

def

splitdataset
(dataset, axis, value):
'''    劃分資料集
:param dataset: 待劃分的資料集
:param axis: 劃分資料集的特徵
:param value: 需要返回的特徵值
:return: 
'''retdataset = 
for featvec in dataset:
if featvec[axis] == value:
reducedfeatvec = featvec[:axis]     #chop out axis used for splitting
reducedfeatvec.extend(featvec[axis+1:])
return retdataset
defchoosebestfeaturetosplit
(dataset):
'''    選擇最好的資料集劃分方式
:param dataset: 
:return: 
'''numfeatures = len(dataset[0]) - 1
#the last column is used for the labels
# 計算整個資料集的原始夏農熵
baseentropy = calcshannonent(dataset)
bestinfogain = 0.0; bestfeature = -1
for i in range(numfeatures):        #iterate over all the features
featlist = [example[i] for example in dataset]#create a list of all the examples of this feature
uniquevals = set(featlist)       #get a set of unique values
newentropy = 0.0
for value in uniquevals:
subdataset = splitdataset(dataset, i, value)
prob = len(subdataset)/float(len(dataset))
newentropy += prob * calcshannonent(subdataset)
infogain = baseentropy - newentropy     #calculate the info gain; ie reduction in entropy
if (infogain > bestinfogain):       #compare this to the best gain so far
# 講每個特徵對應的熵進行比較，選擇熵值最小的，作為特徵劃分的索引值
bestinfogain = infogain         #if better than current best, set to best
bestfeature = i
return bestfeature                      #returns an integer

def

majoritycnt
(classlist):
'''    :param classlist: 
:return: 
'''classcount={}
for vote in classlist:
if vote not
in classcount.keys(): classcount[vote] = 0
classcount[vote] += 1
sortedclasscount = sorted(classcount.iteritems(), key=operator.itemgetter(1), reverse=true)
return sortedclasscount[0][0]
defcreatetree
(dataset,labels):
'''    構建決策樹
:param dataset: 資料集
:param labels: 標籤列表，包含了資料集中所有特徵的標籤
:return: 
'''classlist = [example[-1] for example in dataset]
if classlist.count(classlist[0]) == len(classlist):
return classlist[0]#stop splitting when all of the classes are equal
if len(dataset[0]) == 1: #stop splitting when there are no more features in dataset
return majoritycnt(classlist)
bestfeat = choosebestfeaturetosplit(dataset)
bestfeatlabel = labels[bestfeat]
# 儲存資料的資訊
mytree = }
del(labels[bestfeat])
featvalues = [example[bestfeat] for example in dataset]
uniquevals = set(featvalues)
for value in uniquevals:
sublabels = labels[:]       #copy all of labels, so trees don't mess up existing labels
mytree[bestfeatlabel][value] = createtree(splitdataset(dataset, bestfeat, value),sublabels)
return mytree

機器學習 決策樹

一 基本概念 決策樹 decision tree 是一種基本的分類與回歸方法。決策樹模型呈樹形結構，在分類問題中，表示屬於特徵對例項進行分類的過程，它可以認為是if then規則的集合，也可以認為是電議在特徵空間與類空空上的條件概率分布，其主要優點是模型具有可讀性，分類速度快。決策樹的學習通常包括3...

機器學習 決策樹

我覺得決策樹是機器學習所有演算法中最可愛的了 沒有那麼多複雜的數學公式哈哈 下圖是一棵決策樹，用來判斷西瓜是好瓜還是壞瓜 決策過程中提出的每個判定問題都是都對某個屬性的測試，每個測試結果要麼推導出最終結論，要麼匯出進一步判斷的問題，在上次決策結果限定的範圍內做進一步判斷。從上圖可以看出，葉節點對應決...

機器學習 決策樹

一 演算法簡介 決策樹一般都是自上而下來生成的，每個決策後事件 即自然狀態 都可能引出兩個或多個事件，導致結果的不同，把這種結構分支畫成形狀很像一棵樹的枝幹，故稱為決策樹。決策樹能夠讀取資料集合，並且決策樹很多任務都是為了資料中所蘊含的知識資訊，因此決策樹可以使用不熟悉的資料集合，並從中提取一系列規...