Quo的隨手筆記之決策樹

決策樹是一種監督學習演算法，之前大火的小愛同學猜人名就是用這樣的演算法實現，通過不停的詢問，即不停的分類，最終到無法進行分類的時候就鎖定了結果。現實中有諸多應用，比如植物、動物的分類，本部落格中的決策樹分類方法叫做id3，除此之外主流決策樹演算法還有cart和c4.5等

具體定義請參考：

目標：為了分辨一種物種是否為魚類，實驗人員收集了一組資料，希望能夠從中找出分類的依據，幫忙判斷新的物種是否能被認為是魚類。

資料集如下鱗片鰭

是否是魚類有有

是有有是

無有否有

無否無有

否1計算熵，**如下

// by quo &peter harrington
from math import log
import operator
#計算熵
defcalculateentropy
(dataset)
:    numentries=
len(dataset)
labelcounts=
#對於結構性資料進行分類的數目統計
for featvec in dataset :
#對於每一行的最後一列資料進行類別的統計
currentlabel=featvec[-1
]if currentlabel not
in labelcounts:
labelcounts[currentlabel]=0
labelcounts[currentlabel]+=1
entropy=
0for key in labelcounts:
#本選項被選擇的概率
prob=
float
(labelcounts[key]
)/numentries
#對於每一項不重複的key進行熵的求和（因為分數進行對數運算之後是負數，所以就是求減）
entropy= entropy-prob*log(prob,2)
return entropy
defcreatedateset()
:#構建初始資料
dataset=[[
1,1,
'yes'],
[1,1
,'yes'],
[1,0
,'no'],
[0,1
,'no'],
[0,1
,'no']]
labels =
['no su***cing'
,'flippers'
]return dataset,labels

2.選取最優熵

因為不同維度的分類的熵是不一樣的，所以我們需要選出熵最大的進行優先篩選，**如下

#選擇最好的分類方式
defchoosebestfeature2split
(dataset)
:    numfeatures=
len(dataset[0]
)-1    baseentropy=calculateentropy(dataset)
bestinfogain=
0    bestfeature=
0for i in
range
(numfeatures)
:#分別對每一列進行分類操作之後求資訊期望值，
featlist=
[example[i]
for example in dataset]
#取得第i列的資料變成乙個list
uniquevalues=
set(featlist)
#去重 得到值域
newentropy=
0for value in uniquevalues:
subdataset=splitdataset(dataset,i,value)
prob=
len(subdataset)
/float
(len
(dataset)
)            newentropy=newentropy+prob*calculateentropy(subdataset)
#以上為計算資訊期望值的公式，即每乙個選項被選中的概率乘以熵的總和
infogain=baseentropy-newentropy
if(infogain >bestinfogain)
:            baseentropy=infogain
bestfeature=i
#以上為判斷大小，資訊期望值越大，就代表是更好的資料集的劃分方式
return  bestfeature
#返回的為列的標號

對單條件進行分類

即得到最優解的標號之後，拿出此列作為分類依據並在資料集中去除此列，以便於下次分類

#用以去除每一行中特定列符合要求的值
defsplitdataset
(dataset,axis,value)
:    result=
for featvec in dataset:
if featvec[axis]
==value:
reducedfeatvec=featvec[
:axis]
reducedfeatvec.extend(featvec[axis+1:
])return result

當分類到最後乙個分支之後，還不能夠將資料進行統一的分類，則返回剩下資料的頻率比表示其可能性。

#用來對list中元素出現的頻率進行排序
defmajoritycnt
(classlist)
:    classcount=
for vote in classlist:
if vote not
in classcount.keys():
classcount[vote]=0
classcount[vote]+=1
sortedclasscount=
sorted
(classcount.items(
),key=operator.itemgetter(1)
,reverse=
true
)return sortedclasscount[0]
[0]

構造樹，核心思想為，首先計算傳入矩陣的不同維度的熵，取熵最大的一列資料並進行樹結構的構造，根據取值來決定分支個數，然後去除本列資料，將剩餘的矩陣進行遞迴處理，直至得到乙個不可再分的矩陣並返回其樹結構。

python**如下：

// by quo&peter harrington
from math import log
import operator
# 決策樹**例項
defcreatetree
(dataset,labels)
:    classlist=
[example[-1
]for example in dataset]
#取最後一列為list
if classlist.count(classlist[0]
)==len(classlist)
:#如果第一行在資料中一直反覆出現（即沒有進行再次分類的必要了），則返回第一行
return  classlist[0]
iflen
(dataset[0]
)==1:
#用來標識遍歷結束時返回最多出現的類別
return majoritycnt(classlist)
bestfeature=choosebestfeature2split(dataset)
bestfeatlabel=labels[bestfeature]
# 獲取最高資訊期望值的分類位置，和對應的標籤
mytree=
}#得到標籤之後構建樹
del(labels[bestfeature]
)#刪除已使用的標籤
featvalues=
[example[bestfeature]
for example in dataset]
#提出最合適的分類列
uniquevals=
set(featvalues)
#去重，提取值域
for value in uniquevals:
sublabels=labels[:]
mytree[bestfeatlabel]
[value]
=createtree(splitdataset(dataset,bestfeature,value)
,sublabels)
#對於每乙個值域中的值，樹結構中新建結構
# 即對於和value匹配的資料，刪除已用作分類的bestfeatlabel之後的結構
return mytree
mydata,label=createdateset(
)print
(createtree(mydata,label)
)

Quo的隨手筆記之決策樹

隨手筆記之VC 七

決策樹筆記

SparkDataSource的隨手筆記分享

Quo的隨手筆記之決策樹

隨手筆記之VC 七

決策樹筆記

SparkDataSource的隨手筆記分享

相關推薦