oner演算法是根據已有的資料中，具有相同特徵值的個體最可能屬於哪個類別進行分類。
在本例中，只需選區iris是個特徵中分類效果最好的乙個作為分類依據。
資料集的特徵為連續值，把連續值轉變為類別行，這個過程叫作離散化。
每條資料集中給出了四個特徵：sepal length,sepal width,petal length,petal width，可以從sklearn-learn使用該資料集
from sklearn.datasets import load_iris
import numpy as np
dataset = load_iris()
print(dataset.descr)
x = dataset.data
y = dataset.target
attribute_means = x.mean()x_d = np.array(x >= attribute_means, dtype='int')首先建立函式，引數分別是資料集，類別陣列，選好的特徵索引值，特徵值
from collections import defaultdict
from operator import itemgetter
def train_feature_value(x, y_true, feature_index, value):
class_counts = defaultdict(int)
for sample, y in zip(x, y_true):
if sample[feature_index] == value:
class_counts[y] += 1
sorted_class_counts = sorted(class_counts.items(),key=itemgetter(1), reverse=true)
most_frequent_class = sorted_class_counts[0][0]
incorrect_predictions = [class_count for class_value,class_count in class_counts.items() if class_value != most_frequent_class]
error = sum(incorrect_predictions)
return most_frequent_class, error
def train_on_feature(x, y_true, feature_index):
values = set(x[:,feature_index])
#字典predictors作為**器，字典的鍵位特徵值，值為類別
#errors表示每個特徵值的錯誤率
predictors = {}
errors =
#呼叫函式記錄每個特徵值可能的類別，計算錯誤率並儲存到predictor中
for current_value in values:
most_frequent_class, error = train_feature_value(x,y_true, feature_index, current_value)
predictors[current_value] = most_frequent_class
total_error = sum(errors)
return predictors, total_error
from sklearn.cross_validation import train_test_split
xd_train, xd_test, y_train, y_test = train_test_split(x_d, y, random_state=14)
all_predictors = {}
errors = {}
for feature_index in range(xd_train.shape[1]):
predictors, total_error = train_on_feature(xd_train,y_train,feature_index)
all_predictors[feature_index] = predictors
errors[feature_index] = total_error
best_feature, best_error = sorted(errors.items(), key=itemgetter(1))[0]model =
def predict(x_test, model):
feature = model['feature']
predictor = model['predictor']
y_predicted = [predictor[int(sample[feature])] for sample in x_test]
return y_predicted
oner演算法的思路很簡單，但是整個程式設計過程對於新手來說比較複雜，還是需要加強演算法和資料結構方面的練習。
《Python資料探勘 概念 方法與實踐》導讀
contents 目 錄 譯者序關於審稿人 前言 第1章 擴充套件你的資料探勘工具箱 1.1 什麼是資料探勘 1.2 如何進行資料探勘 1.2.1 fayyad等人的kdd過程 1.2.2 韓家煒等人的kdd過程 1.2.3 crisp dm過程 1.2.4 六步過程 1.2.5 哪一種資料探勘方法...
《Python資料探勘 概念 方法與實踐》一導讀
preface 前言 過去十年，資料儲存變得更便宜，硬體變得更快，演算法上也有了引人注目的進步，這一切為資料科學的快速興起鋪平了道路，並推動其發展成為計算領域最重要的機遇。雖然 資料科學 一詞可以包含從資料清理 資料儲存到用圖形圖表視覺化資料的所有環節，但該領域最重要的收穫是發明了智慧型 精密的資料...
資料探勘入門系列 Python快速入門
本次入門系列將使用python作為開發語言。要使用python語言，我們先來搭建python開發平台。我們將基於python 2.7版本 以及python的開發發行版本anaconda版本來開發。anaconda指的是乙個開源的python發行版本，其包含了conda python等180多個科學包...