欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python機器學習之決策樹算法實例詳解

 更新時間:2017年12月06日 11:45:27   作者:candice廷  
這篇文章主要介紹了Python機器學習之決策樹算法,較為詳細的分析了實例詳解機器學習中決策樹算法的概念、原理及相關(guān)Python實現(xiàn)技巧,需要的朋友可以參考下

本文實例講述了Python機器學習之決策樹算法。分享給大家供大家參考,具體如下:

決策樹學習是應用最廣泛的歸納推理算法之一,是一種逼近離散值目標函數(shù)的方法,在這種方法中學習到的函數(shù)被表示為一棵決策樹。決策樹可以使用不熟悉的數(shù)據(jù)集合,并從中提取出一系列規(guī)則,機器學習算法最終將使用這些從數(shù)據(jù)集中創(chuàng)造的規(guī)則。決策樹的優(yōu)點為:計算復雜度不高,輸出結(jié)果易于理解,對中間值的缺失不敏感,可以處理不相關(guān)特征數(shù)據(jù)。缺點為:可能產(chǎn)生過度匹配的問題。決策樹適于處理離散型和連續(xù)型的數(shù)據(jù)。

在決策樹中最重要的就是如何選取用于劃分的特征

在算法中一般選用ID3,D3算法的核心問題是選取在樹的每個節(jié)點要測試的特征或者屬性,希望選擇的是最有助于分類實例的屬性。如何定量地衡量一個屬性的價值呢?這里需要引入熵和信息增益的概念。熵是信息論中廣泛使用的一個度量標準,刻畫了任意樣本集的純度。

假設(shè)有10個訓練樣本,其中6個的分類標簽為yes,4個的分類標簽為no,那熵是多少呢?在該例子中,分類的數(shù)目為2(yes,no),yes的概率為0.6,no的概率為0.4,則熵為 :

其中value(A)是屬性A所有可能值的集合,是S中屬性A的值為v的子集,即。上述公式的第一項為原集合S的熵,第二項是用A分類S后熵的期望值,該項描述的期望熵就是每個子集的熵的加權(quán)和,權(quán)值為屬于的樣本占原始樣本S的比例。所以Gain(S, A)是由于知道屬性A的值而導致的期望熵減少。

完整的代碼:

# -*- coding: cp936 -*-
from numpy import *
import operator
from math import log
import operator
def createDataSet():
  dataSet = [[1,1,'yes'],
    [1,1,'yes'],
    [1,0,'no'],
    [0,1,'no'],
    [0,1,'no']]
  labels = ['no surfacing','flippers']
  return dataSet, labels
def calcShannonEnt(dataSet):
  numEntries = len(dataSet)
  labelCounts = {} # a dictionary for feature
  for featVec in dataSet:
    currentLabel = featVec[-1]
    if currentLabel not in labelCounts.keys():
      labelCounts[currentLabel] = 0
    labelCounts[currentLabel] += 1
  shannonEnt = 0.0
  for key in labelCounts:
    #print(key)
    #print(labelCounts[key])
    prob = float(labelCounts[key])/numEntries
    #print(prob)
    shannonEnt -= prob * log(prob,2)
  return shannonEnt
#按照給定的特征劃分數(shù)據(jù)集
#根據(jù)axis等于value的特征將數(shù)據(jù)提出
def splitDataSet(dataSet, axis, value):
  retDataSet = []
  for featVec in dataSet:
    if featVec[axis] == value:
      reducedFeatVec = featVec[:axis]
      reducedFeatVec.extend(featVec[axis+1:])
      retDataSet.append(reducedFeatVec)
  return retDataSet
#選取特征,劃分數(shù)據(jù)集,計算得出最好的劃分數(shù)據(jù)集的特征
def chooseBestFeatureToSplit(dataSet):
  numFeatures = len(dataSet[0]) - 1 #剩下的是特征的個數(shù)
  baseEntropy = calcShannonEnt(dataSet)#計算數(shù)據(jù)集的熵,放到baseEntropy中
  bestInfoGain = 0.0;bestFeature = -1 #初始化熵增益
  for i in range(numFeatures):
    featList = [example[i] for example in dataSet] #featList存儲對應特征所有可能得取值
    uniqueVals = set(featList)
    newEntropy = 0.0
    for value in uniqueVals:#下面是計算每種劃分方式的信息熵,特征i個,每個特征value個值
      subDataSet = splitDataSet(dataSet, i ,value)
      prob = len(subDataSet)/float(len(dataSet)) #特征樣本在總樣本中的權(quán)重
      newEntropy = prob * calcShannonEnt(subDataSet)
    infoGain = baseEntropy - newEntropy #計算i個特征的信息熵
    #print(i)
    #print(infoGain)
    if(infoGain > bestInfoGain):
      bestInfoGain = infoGain
      bestFeature = i
  return bestFeature
#如上面是決策樹所有的功能模塊
#得到原始數(shù)據(jù)集之后基于最好的屬性值進行劃分,每一次劃分之后傳遞到樹分支的下一個節(jié)點
#遞歸結(jié)束的條件是程序遍歷完成所有的數(shù)據(jù)集屬性,或者是每一個分支下的所有實例都具有相同的分類
#如果所有實例具有相同的分類,則得到一個葉子節(jié)點或者終止快
#如果所有屬性都已經(jīng)被處理,但是類標簽依然不是確定的,那么采用多數(shù)投票的方式
#返回出現(xiàn)次數(shù)最多的分類名稱
def majorityCnt(classList):
  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]
#創(chuàng)建決策樹
def createTree(dataSet,labels):
  classList = [example[-1] for example in dataSet]#將最后一行的數(shù)據(jù)放到classList中,所有的類別的值
  if classList.count(classList[0]) == len(classList): #類別完全相同不需要再劃分
    return classList[0]
  if len(dataSet[0]) == 1:#這里為什么是1呢?就是說特征數(shù)為1的時候
    return majorityCnt(classList)#就返回這個特征就行了,因為就這一個特征
  bestFeat = chooseBestFeatureToSplit(dataSet)
  print('the bestFeatue in creating is :')
  print(bestFeat)
  bestFeatLabel = labels[bestFeat]#運行結(jié)果'no surfacing'
  myTree = {bestFeatLabel:{}}#嵌套字典,目前value是一個空字典
  del(labels[bestFeat])
  featValues = [example[bestFeat] for example in dataSet]#第0個特征對應的取值
  uniqueVals = set(featValues)
  for value in uniqueVals: #根據(jù)當前特征值的取值進行下一級的劃分
    subLabels = labels[:]
    myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet,bestFeat,value),subLabels)
  return myTree
#對上面簡單的數(shù)據(jù)進行小測試
def testTree1():
  myDat,labels=createDataSet()
  val = calcShannonEnt(myDat)
  print 'The classify accuracy is: %.2f%%' % val
  retDataSet1 = splitDataSet(myDat,0,1)
  print (myDat)
  print(retDataSet1)
  retDataSet0 = splitDataSet(myDat,0,0)
  print (myDat)
  print(retDataSet0)
  bestfeature = chooseBestFeatureToSplit(myDat)
  print('the bestFeatue is :')
  print(bestfeature)
  tree = createTree(myDat,labels)
  print(tree)

對應的結(jié)果是:

>>> import TREE
>>> TREE.testTree1()
The classify accuracy is: 0.97%
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
[[1, 'yes'], [1, 'yes'], [0, 'no']]
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
[[1, 'no'], [1, 'no']]
the bestFeatue is :
0
the bestFeatue in creating is :
0
the bestFeatue in creating is :
0
{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}

最好再增加使用決策樹的分類函數(shù)

同時因為構(gòu)建決策樹是非常耗時間的,因為最好是將構(gòu)建好的樹通過 python 的 pickle 序列化對象,將對象保存在磁盤上,等到需要用的時候再讀出

def classify(inputTree,featLabels,testVec):
  firstStr = inputTree.keys()[0]
  secondDict = inputTree[firstStr]
  featIndex = featLabels.index(firstStr)
  key = testVec[featIndex]
  valueOfFeat = secondDict[key]
  if isinstance(valueOfFeat, dict):
    classLabel = classify(valueOfFeat, featLabels, testVec)
  else: classLabel = valueOfFeat
  return classLabel
def storeTree(inputTree,filename):
  import pickle
  fw = open(filename,'w')
  pickle.dump(inputTree,fw)
  fw.close()
def grabTree(filename):
  import pickle
  fr = open(filename)
  return pickle.load(fr)

更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題:《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python加密解密算法與技巧總結(jié)》、《Python編碼操作技巧總結(jié)》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》及《Python入門與進階經(jīng)典教程

希望本文所述對大家Python程序設(shè)計有所幫助。

相關(guān)文章

  • 關(guān)于CUDA out of memory的解決方案

    關(guān)于CUDA out of memory的解決方案

    這篇文章主要介紹了關(guān)于CUDA out of memory的解決方案,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-02-02
  • Python信息抽取之亂碼解決辦法

    Python信息抽取之亂碼解決辦法

    這篇文章主要介紹了Python信息抽取之亂碼解決辦法的相關(guān)資料,需要的朋友可以參考下
    2017-06-06
  • python實現(xiàn)音樂下載器

    python實現(xiàn)音樂下載器

    這篇文章主要為大家詳細介紹了python實現(xiàn)音樂下載器,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-04-04
  • 對pandas中iloc,loc取數(shù)據(jù)差別及按條件取值的方法詳解

    對pandas中iloc,loc取數(shù)據(jù)差別及按條件取值的方法詳解

    今天小編就為大家分享一篇對pandas中iloc,loc取數(shù)據(jù)差別及按條件取值的方法詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-11-11
  • Python 中的 else詳解

    Python 中的 else詳解

    這篇文章主要介紹了Python 中的 else詳解的相關(guān)資料,需要的朋友可以參考下
    2016-04-04
  • Python高階函數(shù)map()?簡介和使用詳解

    Python高階函數(shù)map()?簡介和使用詳解

    map()?函數(shù)是Python中的內(nèi)置函數(shù),這個函數(shù)又叫做映射函數(shù),其實里面具有一個迭代器的功能,會依次遍歷可迭代對象進行相關(guān)的操作,這篇文章主要介紹了Python高階函數(shù)map()?簡介和使用詳解,需要的朋友可以參考下
    2023-03-03
  • 使用Python實現(xiàn)在Excel工作表中添加、修改及刪除超鏈接

    使用Python實現(xiàn)在Excel工作表中添加、修改及刪除超鏈接

    在創(chuàng)建Excel工作簿時,內(nèi)部文檔的互鏈、報告自動化生成或是創(chuàng)建外部資源快速訪問路徑是比較常見的需求,本文將介紹如何使用Python實現(xiàn)在Excel工作表中對超鏈接進行添加、修改及刪除的操作,需要的朋友可以參考下
    2024-10-10
  • Python requests模塊安裝及使用教程圖解

    Python requests模塊安裝及使用教程圖解

    這篇文章主要介紹了Python requests模塊安裝及使用教程圖解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-06-06
  • 淺談Python的垃圾回收機制

    淺談Python的垃圾回收機制

    本文雖然是轉(zhuǎn)載的,但是是真的好的一篇非常透徹的對Python垃圾回收機制的講解!!!這里推薦給大家
    2016-12-12
  • Python+Kepler.gl實現(xiàn)時間輪播地圖過程解析

    Python+Kepler.gl實現(xiàn)時間輪播地圖過程解析

    這篇文章主要介紹了Python+Kepler.gl實現(xiàn)時間輪播地圖過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-07-07

最新評論