您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
这篇文章主要介绍python怎么实现基于信息增益的决策树归纳，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
具体内容如下
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
from copy import copy
#加载训练数据
#文件格式：属性标号，是否连续【yes|no】，属性说明
attribute_file_dest = 'F:\\bayes_categorize\\attribute.dat'
attribute_file = open(attribute_file_dest)
#文件格式：rec_id,attr1_value,attr2_value,...，attrn_value,class_id
trainning_data_file_dest = 'F:\\bayes_categorize\\trainning_data.dat'
trainning_data_file = open(trainning_data_file_dest)
#文件格式：class_id,class_desc
class_desc_file_dest = 'F:\\bayes_categorize\\class_desc.dat'
class_desc_file = open(class_desc_file_dest)
root_attr_dict = {}
for line in attribute_file :
line = line.strip()
fld_list = line.split(',')
root_attr_dict[int(fld_list[0])] = tuple(fld_list[1:])
class_dict = {}
for line in class_desc_file :
line = line.strip()
fld_list = line.split(',')
class_dict[int(fld_list[0])] = fld_list[1]
trainning_data_dict = {}
class_member_set_dict = {}
for line in trainning_data_file :
line = line.strip()
fld_list = line.split(',')
rec_id = int(fld_list[0])
a1 = int(fld_list[1])
a2 = int(fld_list[2])
a3 = float(fld_list[3])
c_id = int(fld_list[4])
if c_id not in class_member_set_dict :
class_member_set_dict[c_id] = set()
class_member_set_dict[c_id].add(rec_id)
trainning_data_dict[rec_id] = (a1 , a2 , a3 , c_id)
attribute_file.close()
class_desc_file.close()
trainning_data_file.close()
class_possibility_dict = {}
for c_id in class_member_set_dict :
class_possibility_dict[c_id] = (len(class_member_set_dict[c_id]) + 0.0)/len(trainning_data_dict)
#等待分类的数据
data_to_classify_file_dest = 'F:\\bayes_categorize\\trainning_data_new.dat'
data_to_classify_file = open(data_to_classify_file_dest)
data_to_classify_dict = {}
for line in data_to_classify_file :
line = line.strip()
fld_list = line.split(',')
rec_id = int(fld_list[0])
a1 = int(fld_list[1])
a2 = int(fld_list[2])
a3 = float(fld_list[3])
c_id = int(fld_list[4])
data_to_classify_dict[rec_id] = (a1 , a2 , a3 , c_id)
data_to_classify_file.close()
'''
决策树的表达
结点的需求：
1、指示出是哪一种分区 一共3种 一是离散穷举 二是连续有分裂点 三是离散有判别集合 零是叶子结点
2、保存分类所需信息
3、子结点列表
每个结点用Tuple类型表示
元素一是整形，取值123 分别对应两种分裂类型
元素二是集合类型 对于1保存所有的离散值 对于2保存分裂点 对于3保存判别集合 对于0保存分类结果类标号
元素三是dict key对于1来说是某个的离散值 对于23来说只有12两种 对于2来说1代表小于等于分裂点
对于3来说1代表属于判别集合
'''
#对于一个成员列表，计算其熵
#公式为 Info_D = - sum(pi * log2 (pi)) pi为一个元素属于Ci的概率，用|Ci|/|D|计算 ，对所有分类求和
def get_entropy( member_list ) :
#成员总数
mem_cnt = len(member_list)
#首先找出member中所包含的分类
class_dict = {}
for mem_id in member_list :
c_id = trainning_data_dict[mem_id][3]
if c_id not in class_dict :
class_dict[c_id] = set()
class_dict[c_id].add(mem_id)
tmp_sum = 0.0
for c_id in class_dict :
pi = ( len(class_dict[c_id]) + 0.0 ) / mem_cnt
tmp_sum += pi * mlab.log2(pi)
tmp_sum = -tmp_sum
return tmp_sum
def attribute_selection_method( member_list , attribute_dict ) :
#先计算原始的熵
info_D = get_entropy(member_list)
max_info_Gain = 0.0
attr_get = 0
split_point = 0.0
for attr_id in attribute_dict :
#对于每一个属性计算划分后的熵
#信息增益等于原始的熵减去划分后的熵
info_D_new = 0
#如果是连续属性
if attribute_dict[attr_id][0] == 'yes' :
#先得到memberlist中此属性的取值序列，把序列中每一对相邻项的中值作为划分点计算熵
#找出其中最小的，作为此连续属性的划分点
value_list = []
for mem_id in member_list :
value_list.append(trainning_data_dict[mem_id][attr_id - 1])
#获取相邻元素的中值序列
mid_value_list = []
value_list.sort()
#print value_list
last_value = None
for value in value_list :
if value == last_value :
continue
if last_value is not None :
mid_value_list.append((last_value+value)/2)
last_value = value
#print mid_value_list
#对于中值序列做循环
#计算以此值做为划分点的熵
#总的熵等于两个划分的熵乘以两个划分的比重
min_info = 1000000000.0
total_mens = len(member_list) + 0.0
for mid_value in mid_value_list :
#小于mid_value的mem
less_list = []
#大于
more_list = []
for tmp_mem_id in member_list :
if trainning_data_dict[tmp_mem_id][attr_id - 1] <= mid_value :
less_list.append(tmp_mem_id)
else :
more_list.append(tmp_mem_id)
sum_info = len(less_list)/total_mens * get_entropy(less_list) \
+ len(more_list)/total_mens * get_entropy(more_list)
if sum_info < min_info :
min_info = sum_info
split_point = mid_value
info_D_new = min_info
#如果是离散属性
else :
#计算划分后的熵
#采用循环累加的方式
attr_value_member_dict = {} #键为attribute value , 值为memberlist
for tmp_mem_id in member_list :
attr_value = trainning_data_dict[tmp_mem_id][attr_id - 1]
if attr_value not in attr_value_member_dict :
attr_value_member_dict[attr_value] = []
attr_value_member_dict[attr_value].append(tmp_mem_id)
#将每个离散值的熵乘以比重加到这上面
total_mens = len(member_list) + 0.0
sum_info = 0.0
for a_value in attr_value_member_dict :
sum_info += len(attr_value_member_dict[a_value])/total_mens \
* get_entropy(attr_value_member_dict[a_value])
info_D_new = sum_info
info_Gain = info_D - info_D_new
if info_Gain > max_info_Gain :
max_info_Gain = info_Gain
attr_get = attr_id
#如果是离散的
#print 'attr_get ' + str(attr_get)
if attribute_dict[attr_get][0] == 'no' :
return (1 , attr_get , split_point)
else :
return (2 , attr_get , split_point)
#第三类先不考虑
def get_decision_tree(father_node , key , member_list , attr_dict ) :
#最终的结果是新建一个结点，并且添加到father_node的sub_node_dict，对key为键
#检查memberlist 如果都是同类的，则生成一个叶子结点，set里面保存类标号
class_set = set()
for mem_id in member_list :
class_set.add(trainning_data_dict[mem_id][3])
if len(class_set) == 1 :
father_node[2][key] = (0 , (1 , class_set) , {} )
return
#检查attribute_list，如果为空，产生叶子结点，类标号为memberlist中多数元素的类标号
#如果几个类的成员等量，则打印提示，并且全部添加到set里面
if not attr_dict :
class_cnt_dict = {}
for mem_id in member_list :
c_id = trainning_data_dict[mem_id][3]
if c_id not in class_cnt_dict :
class_cnt_dict[c_id] = 1
else :
class_cnt_dict[c_id] += 1
class_set = set()
max_cnt = 0
for c_id in class_cnt_dict :
if class_cnt_dict[c_id] > max_cnt :
max_cnt = class_cnt_dict[c_id]
class_set.clear()
class_set.add(c_id)
elif class_cnt_dict[c_id] == max_cnt :
class_set.add(c_id)
if len(class_set) > 1 :
print 'more than one class !'
father_node[2][key] = (0 , (1 , class_set ) , {} )
return
#找出最好的分区方案 ， 暂不考虑第三种划分方法
#比较所有离散属性和所有连续属性的所有中值点划分的信息增益
split_criterion = attribute_selection_method(member_list , attr_dict)
#print split_criterion
selected_plan_id = split_criterion[0]
selected_attr_id = split_criterion[1]
#如果采用的是离散属性做为分区方案，删除这个属性
new_attr_dict = copy(attr_dict)
if attr_dict[selected_attr_id][0] == 'no' :
del new_attr_dict[selected_attr_id]
#建立一个结点new_node，father_node[2][key] = new_node
#然后对new node的每一个key , sub_member_list，
#调用 get_decision_tree(new_node , new_key , sub_member_list , new_attribute_dict)
#实现递归
ele2 = ( selected_attr_id , set() )
#如果是1 , ele2保存所有离散值
if selected_plan_id == 1 :
for mem_id in member_list :
ele2[1].add(trainning_data_dict[mem_id][selected_attr_id - 1])
#如果是2，ele2保存分裂点
elif selected_plan_id == 2 :
ele2[1].add(split_criterion[2])
#如果是3则保存判别集合，先不管
else :
print 'not completed'
pass
new_node = ( selected_plan_id , ele2 , {} )
father_node[2][key] = new_node
#生成KEY，并递归调用
if selected_plan_id == 1 :
#每个attr_value是一个key
attr_value_member_dict = {}
for mem_id in member_list :
attr_value = trainning_data_dict[mem_id][selected_attr_id - 1 ]
if attr_value not in attr_value_member_dict :
attr_value_member_dict[attr_value] = []
attr_value_member_dict[attr_value].append(mem_id)
for attr_value in attr_value_member_dict :
get_decision_tree(new_node , attr_value , attr_value_member_dict[attr_value] , new_attr_dict)
pass
elif selected_plan_id == 2 :
#key 只有12 , 小于等于分裂点的是1 ， 大于的是2
less_list = []
more_list = []
for mem_id in member_list :
attr_value = trainning_data_dict[mem_id][selected_attr_id - 1 ]
if attr_value <= split_criterion[2] :
less_list.append(mem_id)
else :
more_list.append(mem_id)
#if len(less_list) != 0 :
get_decision_tree(new_node , 1 , less_list , new_attr_dict)
#if len(more_list) != 0 :
get_decision_tree(new_node , 2 , more_list , new_attr_dict)
pass
#如果是3则保存判别集合，先不管
else :
print 'not completed'
pass
def get_class_sub(node , tp ) :
#
attr_id = node[1][0]
plan_id = node[0]
key = 0
if plan_id == 0 :
return node[1][1]
elif plan_id == 1 :
key = tp[attr_id - 1]
elif plan_id == 2 :
split_point = tuple(node[1][1])[0]
attr_value = tp[attr_id - 1]
if attr_value <= split_point :
key = 1
else :
key = 2
else :
print 'error'
return set()
return get_class_sub(node[2][key] , tp )
def get_class(r_node , tp) :
#tp为一组属性值
if r_node[0] != -1 :
print 'error'
return set()
if 1 in r_node[2] :
return get_class_sub(r_node[2][1] , tp)
else :
print 'error'
return set()
if __name__ == '__main__' :
root_node = ( -1 , set() , {} )
mem_list = trainning_data_dict.keys()
get_decision_tree(root_node , 1 , mem_list , root_attr_dict )
#测试分类器的准确率
diff_cnt = 0
for mem_id in data_to_classify_dict :
c_id = get_class(root_node , data_to_classify_dict[mem_id][0:3])
if tuple(c_id)[0] != data_to_classify_dict[mem_id][3] :
print tuple(c_id)[0]
print data_to_classify_dict[mem_id][3]
print 'different'
diff_cnt += 1
print diff_cnt以上是“python怎么实现基于信息增益的决策树归纳”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。