机器学习实战python3 决策树ID3

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习实战python3 决策树ID3相关的知识,希望对你有一定的参考价值。

代码及数据:https://github.com/zle1992/MachineLearningInAction

决策树

优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据。
缺点:可能会产生过度匹配问题。
适用数据类型:数值型和标称型。

创建分支的伪代码函数createBranch()如下所示:
检测数据集中的每个子项是否属于同一分类:
if so return 类标签;
Else
  寻找划分数据集的最好特征
  划分数据集
  创建分支节点
    for 每个划分的子集
      调用函数createBranch并增加返回结果到分支节点中
return 分支节点
上面的伪代码createBranch是一个递归函数,在倒数第二行直接调用了它自己。后面我们
寄把上面的伪代码转换为Python代码,这里我们需要进一步了解算法是如何划分数据集的。

1决策树构造

1.1创建数据

1 def createDataSet():
2     dataSet = [[1, 1, yes],
3                [1, 1, yes],
4                [1, 0, no],
5                [0, 1, no],
6                [0, 1, no]]
7     labels = [no surfacing,flippers]
8     #change to discrete values
9     return dataSet, labels

1.2信息增益

如果看不明白什么是信息增益(information gain)和墒( entropy ),请不要着急—创门自
诞生的那一天起,就注定会令世人十分费解。
嫡定义为信息的期望值,在明晰这个概念之前,我们必须知道信息的定义。如果待分类的事
务可能划分在多个分类之中,则符号xi,的信息定义为
技术分享


其中P(xi)是选择该分类的概率。
为了计算嫡,我们需要计算所有类别所有可能值包含的信息期望值,通过下面的公式得到:

技术分享

其中n是分类的数目。

程序:计算给定数据集的香农熵

 1 def calcShannonEnt(dataSet):
 2     numEntries = len(dataSet) #Data 的大小N,N行
 3     labelCount = {}#字典存储 不同类别的个数
 4     for featVec in dataSet :
 5         currentLabel = featVec[-1] #每行的最后一个是类别
 6         if currentLabel not in labelCount.keys():
 7             labelCount[currentLabel] = 0
 8         labelCount[currentLabel] += 1  #原书缩进错误!!!
 9     shannonEnt = 0.0
10     for key in labelCount:
11         prob = float(labelCount[key])/numEntries
12         shannonEnt -= prob *math.log(prob,2) #熵最后外面有个求和符号 !!!
13     return shannonEnt

 1.3划分数据集

程序:划分数据集

1 def splitDataSet(dataSet,axis,value):
2     retDataSet = []
3     for featVec in dataSet:
4         if featVec[axis] == value:
5             #去掉axis 这一列
6             reducedFeatVec = featVec[:axis] 
7             reducedFeatVec.extend(featVec[axis+1: ])
8             retDataSet.append(reducedFeatVec)
9     return retDataSet  

 

划分数据集之后,使得划分后的纯度越小。选择信息增益最大的划分。

程序:选择最好的数据集划分方式

 1 def chooseBestFeatureTopSplit(dataSet):
 2     #列数 = len(dataset[0])
 3     #行数 = len(dataset)
 4     numFeatures = len(dataSet[0]) -1 #最后一列是标签  
 5     baseEntropy = calcShannonEnt(dataSet) #所有数据的信息熵
 6     bestInfoGainn = 0.0
 7     bestFeature = -1
 8     for i in range(numFeatures):#遍历不同的属性
 9         featList = [example[i] for example in dataSet] #取出每一列
10         uniqueVals = set(featList)
11         newEntropy = 0.0
12         for value in uniqueVals:#在第i个属性里,遍历第i个属性所有不同的属性值
13             subDataSet = splitDataSet(dataSet,i,value) #划分数据 
14             prob = len(subDataSet)/float(len(dataSet))  #len([[]]) 行数
15             newEntropy += prob *calcShannonEnt(subDataSet)
16         infoGain = baseEntropy - newEntropy
17         if(infoGain > bestInfoGainn):
18             bestInfoGainn = infoGain
19             bestFeature = i
20     return bestFeature

 

1.4递归构建决策树

 1 def majorityCnt(classList):
 2     classCount ={}
 3     for vote in classList:
 4         if vote not in classCount.keys():
 5             classCount[vote] = 0
 6         classCount[vote] += 1
 7   
 8     classCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) #与python2 不同!!!!!!python3 的字典items 就是迭代对象
 9     return classCount[0][0] #返回的是字典第一个元素的key 即 类别标签
10 def createTree(dataSet,labels):
11     #mytree 是一个字典,key 是属性值,val 是类别或者是另一个字典,
12     #如果val 是类标签,则该子节点就是叶子节点
13     #如果val是另一个数据字典,则该节点是一个判断节点
14     classList = [example[-1] for example in dataSet]
15     if classList.count(classList[0]) == len(classList): #类别完全相同,停止划分
16         return classList[0]
17     if len(dataSet[0])==1: #完全划分
18         return majorityCnt(classList)
19     bestFeat = chooseBestFeatureTopSplit(dataSet)
20     bestFeatLabel = labels[bestFeat]
21     myTree = {bestFeatLabel:{}}
22     del(labels[bestFeat]) #
23     featValues = [example[bestFeat] for example in dataSet] # 某属性的所有取值
24     uniqueVals = set(featValues)
25     for value in uniqueVals :
26         subLabels = labels[:]
27         myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet,bestFeat,value),subLabels)
28     return myTree

2在Python中使用Matplotlib注解绘制树形图

2.1使用文本注解绘制树节点

1 #定义文本框跟箭头格式
2 decisionNode = dict(boxstyle="sawtooth", fc="0.8")
3 leafNode = dict(boxstyle="round4", fc="0.8")
4 arrow_args = dict(arrowstyle="<-")
5 def plotNode(nodeTxt, centerPt, parentPt, nodeType):
6     createPlot.ax1.annotate(nodeTxt, xy=parentPt,  xycoords=axes fraction,
7              xytext=centerPt, textcoords=axes fraction,
8              va="center", ha="center", bbox=nodeType, arrowprops=arrow_args )

 

2.2构造注解树

程序:获得叶子节点数与深度

 1 def getNumLeafs(myTree):
 2     numLeafs = 0
 3     firstStr = list(myTree)[0]#找到第一个节点
 4     secondDict = myTree[firstStr] #第二个节点
 5     for key in secondDict.keys(): #第二节点的字典的key 
 6         if type(secondDict[key]).__name__==dict:  #判断第二节点是否为字典
 7             numLeafs += getNumLeafs(secondDict[key]) #第二节点是字典 ,递归调用getNum  
 8         else :numLeafs += 1 #第二节点不是字典,说明此节点是最后一个节点
 9     return numLeafs
10 
11 def getTreeDepth(myTree):
12     maxDepth = 0
13     firstStr = list(myTree)[0]#找到第一个节点
14     secondDict = myTree[firstStr] #第二个节点
15     for key in secondDict.keys(): #第二节点的字典的key 
16         if type(secondDict[key]).__name__==dict:  #判断第二节点是否为字典
17             thisDepth = 1 + getTreeDepth(secondDict[key]) #第二节点是字典 ,递归调用getNum  
18         else :thisDepth = 1 #第二节点不是字典,说明此节点是最后一个节点
19     if thisDepth > maxDepth: maxDepth =thisDepth
20     return maxDepth

程序:plotTree

 1 def plotMidText(cntrPt, parentPt, txtString):#在父子节点间填充文本信息
 2     xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0]
 3     yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]
 4     createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)
 5 
 6 def plotTree(myTree, parentPt, nodeTxt):
 7     numLeafs = getNumLeafs(myTree)  #叶子节点个数
 8     depth = getTreeDepth(myTree)  #树的高度
 9     firstStr = list(myTree)[0] #!!!!!!!与py2不同
10     cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #按照叶子结点个数划分x轴
11     plotMidText(cntrPt,parentPt,nodeTxt)
12     plotNode(firstStr,cntrPt,parentPt,decisionNode)
13     secondDict = myTree[firstStr]
14     plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD  #plotTree.yOff  全局变量
15     for key in secondDict.keys():
16         if type(secondDict[key]).__name__ ==dict:
17             plotTree(secondDict[key],cntrPt,str(key))# 第二节点是字典,递归调用plotTree
18         else:
19             plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW #x方向计算结点坐标
20             plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)#绘制子节点
21             plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))#添加文本信息
22     plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD #下次重新调用时恢复y
23 def createPlot(inTree): 
24     fig = plt.figure(1, facecolor=white)
25     fig.clf()
26     axprops = dict(xticks=[], yticks=[])
27     createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)  # no ticks
28     # createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
29     plotTree.totalW = float(getNumLeafs(inTree))
30     plotTree.totalD = float(getTreeDepth(inTree))
31     plotTree.xOff = -0.5 / plotTree.totalW
32     plotTree.yOff = 1.0
33     plotTree(inTree, (0.5, 1.0), ‘‘)
34     plt.show()

程序:测试

1 def retrieveTree(i):
2     listOfTrees =[{no surfacing: {0: no, 1: {flippers: {0: no, 1: yes}}}},
3                   {no surfacing: {0: no, 1: {flippers: {0: {head: {0: no, 1: yes}}, 1: no}}}}
4                   ]
5     return listOfTrees[i]
6 if __name__ == __main__:
7     tree = retrieveTree(0)
8     createPlot(tree)

3测试算法:使用决策树执行分类

使用决策树预测隐形眼镜类型

程序:使用决策树分类函数

 1 def classify(inputTree,featLabels,testVec):
 2     firstStr = list(inputTree.keys())[0]
 3     secondDict = inputTree[firstStr]
 4     featIndex = featLabels.index(firstStr) #将标签转化成索引
 5     for key in secondDict.keys():
 6         if testVec[featIndex] == key:  
 7             if type(secondDict[key]).__name__==dict:
 8                 classLabel = classify(secondDict[key],featLabels,testVec)
 9             else : classLabel = secondDict[key]#到达叶子节点,返回标签
10     return classLabel

程序:使用pickle保存模型

1 def storeTree(inputTree,filename):
2 
3     with open(filename,wb) as f:
4         pickle.dump(inputTree,f)
5     
6 def grabTree(filename):
7     with open(filename,rb) as f:
8         t = pickle.load(f)
9     return t

程序:主程序

 1 if __name__ == __main__:
 2     #
 3     dataSet,labels = createDataSet()
 4     tree = createTree(dataSet,labels)
 5     storeTree(tree,"tree.model")
 6     tree = grabTree("tree.model")
 7     treePlotter.createPlot(tree)
 8 
 9     #读取txt文件,预测隐形眼镜的类型
10     with open(lenses.txt) as f:
11         lenses = [inst.strip().split(\\t) for inst in f.readlines()]    
12     lensesLabels = [age,prescript,astigmastic,tearRate]
13     lensesTree = createTree(lenses,lensesLabels)
14     treePlotter.createPlot(lensesTree)

 




















以上是关于机器学习实战python3 决策树ID3的主要内容,如果未能解决你的问题,请参考以下文章

机器学习实战精读--------决策树

《机器学习实战》第3章 决策树 学习笔记

ID3决策树算法|机器学习

决策树应用

Python机器学习(十八)决策树之系列一ID3原理与代码实现

机器学习实战Ch03: 决策树