决策树原理实例(python代码实现)_决策树实例

决策树原理实例(python代码实现)_决策树实例决策树算法决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树算法构造决策树来发现数据中蕴涵的分类规则.如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步,决策树的生成:由训练样本集生成决策树的过程。一般…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

决策树算法

决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。

决策树算法构造决策树来发现数据中蕴涵的分类规则.如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步,决策树的生成:由训练样本集生成决策树的过程。一般情况下,训练样本数据集是根据实际需要有历史的、有一定综合程度的,用于数据分析处理的数据集。第二步,决策树的剪技:决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程,主要是用新的样本数据集(称为测试数据集)中的数据校验决策树生成过程中产生的初步规则,将那些影响预衡准确性的分枝剪除。

 

基本思想

序号

是否大学生

是否常去图书馆

是否经常参加竞赛

是否优秀

1

2

3

4

5

6

7

8

9

10

 

 

 

 

 

 

 

 

 

 

 

 

步骤一、先计算数据集D的信息熵H(x),数据集D的信息熵,即在仅仅只知道类别属性的基础上的信息熵。数据记录有10条,是否优秀属性值为“是”的有5条,为“否”的5条。

总信息熵H(x)=-5/10*log2(5/10)-5/10*log2(5/10)=1

这个数值就是告诉我们,是否优秀这个不确定性为1,那么假设有人可以告诉你说:如果我告诉你一列属性值(和目标分类属性相关的属性值),那么你的这种不确定性又是多少呢?

 

步骤二、计算知道各个属性的前提下,数据集D的信息熵

比如知道了年龄是否大学生属性:在是大学生的特征下,有优秀的,也有不优秀的,那么总共有5个优秀,2个不优秀的;

而在不是大学生的特征下,有优秀的,也有不优秀的,那么总共有0个优秀,3个不优秀的;

H(x|大学生)=-7/10(5/7*log2(5/7)+2/7*log2(2/7))

-3/10(0/3*log2(0/3)+3/3*log2(3/3))=0.604

同理,会算出:

H(x|图书馆),H(x|经常参加竞赛)

H(x|图书馆)=-7/10(3/7*log2(3/7)+4/7*log2(4/7))

-3/10(2/3*log2(2/3)+1/3*log2(1/3))=0.965

H(x|经常参加竞赛)=-6/10(2/6*log2(2/6)+4/6*log2(4/6))

-4/10(1/4*log2(1/4)+3/4*log2(3/4))=0.875

 

步骤三、计算哪个的信息增益大

Gain(大学生)=H(x)-H(x|大学生)=value1=0.396

Gain(图书馆)=H(x)-H(x|图书馆)=value2=0.035

Gain(经常参加竞赛)=H(x)-H(x|经常参加竞赛)=value3=0.125

value1>value3>value2,然后根据这个结果选取“大学生”属性最为最先分类的属性。

根据大学生属性值分类之后,那么接下来数据集重新进行了划分,由重复上述步骤进行下一个分裂属性的查找。

直到到所有的特征都用完了,二是划分后额信息增益足够小,那么决策树的生长就可以停止了,最终构成一颗决策树!

 

具体代码:

import numpy as np

import xlrd


#设置数据读取路径

path='C://Users//xiaoxiannv//Desktop//tree.xlsx'


#xlrd打开数据

data=xlrd.open_workbook(path)



#读取excel的sheet

sheet1=data.sheet_by_name('Sheet1')



#原始数据放入二维数组中去

nrows=sheet1.nrows

ncols=sheet1.ncols



#初始化得到与data set相同行,列的二维数组

dataMatrix=np.zeros((nrows-1,ncols),dtype=str)



#数据放入初始化的二维数组中

for i in range(1,nrows):

    dataMatrix[i-1,:]=sheet1.row_values(i)



#数值化

for  i in range(nrows-1):

    temp=dataMatrix[i,:]

    temp[temp=='是']=1

    temp[temp=='否']=0

    dataMatrix[i,:]=temp

#强制转换矩阵为int

dataMatrix=dataMatrix.astype('int')



#算法 第一步

targetAtr=dataMatrix[:,-1]



#计算原始数据集的信息熵

def calcuEntropy(ta):

    zeros=sum(ta==0)

    ones=sum(ta==1)

    sm=zeros+ones

    p0=zeros/sm

    p1=ones/sm

    if(p0==0):

        p0=1

    elif(p1==0):

        p1=1

    return -p0*np.log2(p0)-p1*np.log2(p1)



#计算加入某先验特征属性后的信息熵(也就是加入某一个知识后的信息不确定性)

entropy2=dataMatrix[:,-1]#是否优秀

entropy1=dataMatrix[:,1]#大学生

entropy3=dataMatrix[:,2]#图书馆

entropy4=dataMatrix[:,3]#竞赛



newMt=np.array([entropy1,entropy2])

newMt=np.transpose(newMt)

newMt1=np.array([entropy3,entropy2])

newMt1=np.transpose(newMt1)

newMt2=np.array([entropy4,entropy2])

newMt2=np.transpose(newMt2)

#print(newMt)



def lastEntropy(data):

    #数据传进来,根据引入属性值的多少来进行数据划分

    #比如引入第一列属性,总共有“是”“否”两类值,也就是根据“是”“否”把数据集划分为两类

    nrows,ncols=data.shape;

    yesList=[]

    noList=[]

    for i in range(nrows):

        if(data[i,0]==1):

            yesList.append(data[i,:])

        else:

            noList.append(data[i,:])

    #根据“是”“否”把数据集划分为两类yesMatrix,noMatrix

    yesMatrix=np.array(yesList)

    noMatrix=np.array(noList)

   

    #统计“是”的数据集有多少个

    yM=yesMatrix.shape[0]

    #统计“否”的数据集有多少个

    nM=noMatrix.shape[0]

   

    #计算各个数据集的占比,比如“是”数据集占总数据百分比,“否”数据集占总数据百分比

    sM=yM+nM

    yPercent=yM/sM

    nPercent=nM/sM

   

    #print(yesMatrix[:,-1])

    #print(noMatrix[:,-1])

    #计算在引入属性知识之后,“是”数据集下是信息熵(也就是引入新知识后的不确定性)

    yEntropy=calcuEntropy(yesMatrix[:,-1])

    nEntropy=calcuEntropy(noMatrix[:,-1])

   

    print("\nyEntropy "+str(yEntropy))

    print("nEntropy "+str(nEntropy))

  

    #计算总的信息熵

    return yPercent*yEntropy+nPercent*nEntropy



values=calcuEntropy(targetAtr)-lastEntropy(newMt)

values1=calcuEntropy(targetAtr)-lastEntropy(newMt1)

values2=calcuEntropy(targetAtr)-lastEntropy(newMt2)



print('大学生的信息熵为:',lastEntropy(newMt))  

print('图书馆的信息熵为:',lastEntropy(newMt1))

print('竞赛的信息熵为:',lastEntropy(newMt2),'\n')



#print(calcuEntropy(targetAtr))

#print(dataMatrix)



#比较信息熵大小

if values>values1:

    if values1>values2:

        print('values>values1>values2,选取“大学生”属性最为最先分类的属性')

    else:

        if values>values2:

            print('values>values2>values1,选取“大学生”属性最为最先分类的属性')

        else:

            print('values2>values>values1,选取“竞赛”属性最为最先分类的属性')

elif values<values1:

    if values1<values2:

        print('values2>values1>values,选取“竞赛”属性最为最先分类的属性')

    else:

        if values2>values:

            print('values1>values2>values,选取“图书馆”属性最为最先分类的属性')

        else:

            print('values1>values>values2,选取“图书馆”属性最为最先分类的属性')

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/197554.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • SQL Server 日期 字符串 格式转换 函数 datetime convert「建议收藏」

    SQL Server 日期 字符串 格式转换 函数 datetime convert「建议收藏」文章目录IntroSQLOthersIntro对某些表格数据进行查询时,常常有按照时间进行列值过滤的需求。SQLSQLServer内置函数CONVERT(data_type(length),data_to_be_converted,style)常见的两种转换需求:1.日期–>字符串2.字符串–>日期SQLselectgetdate(); –datetime–datetime–>stringdeclare@dateti

  • 微信服务号怎么发送消息(服务号一个月只能发4次,怎么改)

    查找了微信开发文档和一些博客后发现了解决方案。使用微信服务号的模板消息接口文档地址: https://mp.weixin.qq.com/wiki?t=resource/res_main&amp;id=mp1433751277 网上还有另外一个解决方式:客服功能但是这个方法有个很大的缺点,就是只有用户和服务号交互的48小时内,服务号才能向用户主动发送消息,超过48小时后,…

  • python解释器安装步骤_怎么安装python解释器

    python解释器安装步骤_怎么安装python解释器Python目前已支持所有主流操作系统,在Linux,Unix,Mac系统上自带Python环境,在Windows系统上需要安装一下,超简单。1、下载python首先,根据你的Windows版本(64位还是32位)从Python的官方网站下载Python3.7对应的64位安装程序或32位安装程序(网速慢的同学请移步国内镜像),然后,运行下载的EXE安装包:2、运行Python安装成功后,打开命令…

  • Java哈希表以及哈希冲突

    Java哈希表以及哈希冲突文章目录Java哈希表概念冲突避免冲突哈希函数的设计方法常见哈希函数负载因子调节解决哈希冲突两种常见的方法是:闭散列和开散列哈希表和java类集的关系Java哈希表概念顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O(logN),搜索的效率取决于搜索过程中元素的比较次…

  • openwrt旁路由的设置「建议收藏」

    openwrt旁路由的设置「建议收藏」1:旁路由必须和主路由在同一网段2:旁路由的网关必须指向主路由3:防火墙开启IP动态伪装

  • 解决DEDECMS Call to undefined function dede_htmlspecialchars()

    解决DEDECMS Call to undefined function dede_htmlspecialchars()

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号