基于python的决策树能进行多分类吗

Posted 2023-03-29

新手小白一个，想请问各位大神一个问题：假设有ABC三种类别，使用决策树算法（只能进行二分类）进行分类，如果区分AB的准确率是90%，区分AC的准确率是85%，区分BC的准确率是80%，那正确区分A，B，C的准确率是多少？
请问是从统计学的角度还是别的什么方法能对这个问题进行解释？
不胜感谢！！！

参考技术A

决策树主文件 tree.py

[python] view plain copy

# coding: utf-8  

from math import log  

import json  

from plot import createPlot  

class DecisionTree():  

def __init__(self,criterion = "entropy"):  

self.tree = None  

self.criterion = criterion  

def _is_continuous_value(self,a):  

# 判断一个值是否是连续型变量  

if type(a).__name__.lower().find('float')>-1 or \\  

type(a).__name__.lower().find('int')>-1:  

return True  

else:  

return False  

def _calc_entropy(self,dataset):  

# 计算数据集的香农熵  

classes = dataset.ix[:,-1]  

total = len(classes)  

cls_count =   

for cls in classes:  

if cls not in cls_count.keys():  

cls_count[cls] = 0  

cls_count[cls] += 1  

entropy = 1.0  

for key in cls_count:  

prob = float(cls_count[key]) / total  

entropy -= prob * log(prob, 2)  

return entropy  

def _calc_gini(self,dataset):  

# 计算数据集的Gini指数  

classes = dataset.ix[:,-1]  

total = len(classes)  

cls_count =   

for cls in classes:  

if cls not in cls_count.keys():  

cls_count[cls] = 0  

cls_count[cls] += 1  

gini = 1.0  

for key in cls_count:  

prob = float(cls_count[key]) / total  

gini -= prob ** 2  

return gini  

def _split_data_category(self, dataset, feature, value):     

# 对分类变量进行拆分       

# 将feature列的值为value的记录抽取出来，同时删除feature列  

本回答被提问者和网友采纳

机器学习SVM多分类问题及基于sklearn的Python代码实现

SVM多分类问题及Python代码实现

• 1. 什么是SVM？
• 2. SVM的分类
• 3. SVM决策函数类型
• 4. SVM多分类的Python代码实现
• 参考资料

1. 什么是SVM？

对于这个点已经介绍的非常多了，不管是西瓜书还是各种博客，就是需要找到一个超平面，用这个超平面把数据划分成两个类别，最开始的SVM就是在二分类的问题上应用，在之后被扩展到多类别的分类。对于SVM的推导公式不是很复杂，在此就不进行推导，大概清楚最基本的原理然后就进行应用就可以了。

如上图所示，我们就是要找到中间这条线，使得 ∣ ∣ w ∣ ∣ ||w||