国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

Reinventing the wheel:決策樹算法的實(shí)現(xiàn)

hedge_hog / 877人閱讀

摘要:數(shù)據(jù)描述每條數(shù)據(jù)項儲存在列表中,最后一列儲存結(jié)果多條數(shù)據(jù)項形成數(shù)據(jù)集決策樹數(shù)據(jù)結(jié)構(gòu)決策樹節(jié)點(diǎn)初始化決策樹節(jié)點(diǎn)按數(shù)據(jù)集的列劃分?jǐn)?shù)據(jù)集以作為劃分列的參照只有葉子節(jié)點(diǎn)有,代表最終劃分出的子數(shù)據(jù)集結(jié)果統(tǒng)計信息。

數(shù)據(jù)描述

每條數(shù)據(jù)項儲存在列表中,最后一列儲存結(jié)果
多條數(shù)據(jù)項形成數(shù)據(jù)集

data=[[d1,d2,d3...dn,result],
      [d1,d2,d3...dn,result],
                .
                .
      [d1,d2,d3...dn,result]]

決策樹數(shù)據(jù)結(jié)構(gòu)
class DecisionNode:
    """決策樹節(jié)點(diǎn)
    """
    
    def __init__(self,col=-1,value=None,results=None,tb=None,fb=None):
        """初始化決策樹節(jié)點(diǎn)
        
        args:        
        col -- 按數(shù)據(jù)集的col列劃分?jǐn)?shù)據(jù)集
        value -- 以value作為劃分col列的參照
        result -- 只有葉子節(jié)點(diǎn)有,代表最終劃分出的子數(shù)據(jù)集結(jié)果統(tǒng)計信息。{‘結(jié)果’:結(jié)果出現(xiàn)次數(shù)}
        rb,fb -- 代表左右子樹
        """
        self.col=col
        self.value=value
        self.results=results
        self.tb=tb
        self.fb=fb

決策樹分類的最終結(jié)果是將數(shù)據(jù)項劃分出了若干子集,其中每個子集的結(jié)果都一樣,所以這里采用{‘結(jié)果’:結(jié)果出現(xiàn)次數(shù)}的方式表達(dá)每個子集


def divideset(rows,column,value):
    """依據(jù)數(shù)據(jù)集rows的column列的值,判斷其與參考值value的關(guān)系對數(shù)據(jù)集進(jìn)行拆分
       返回兩個數(shù)據(jù)集
    """
    split_function=None
    #value是數(shù)值類型
    if isinstance(value,int) or isinstance(value,float):
        #定義lambda函數(shù)當(dāng)row[column]>=value時返回true
        split_function=lambda row:row[column]>=value
    #value是字符類型
    else:
        #定義lambda函數(shù)當(dāng)row[column]==value時返回true
        split_function=lambda row:row[column]==value
    #將數(shù)據(jù)集拆分成兩個
    set1=[row for row in rows if split_function(row)]
    set2=[row for row in rows if not split_function(row)]
    #返回兩個數(shù)據(jù)集
    return (set1,set2)

def uniquecounts(rows):
    """計算數(shù)據(jù)集rows中有幾種最終結(jié)果,計算結(jié)果出現(xiàn)次數(shù),返回一個字典
    """
    results={}
    for row in rows:
        r=row[len(row)-1]
        if r not in results: results[r]=0
        results[r]+=1
    return results

def giniimpurity(rows):
    """返回rows數(shù)據(jù)集的基尼不純度
    """
    total=len(rows)
    counts=uniquecounts(rows)
    imp=0
    for k1 in counts:
        p1=float(counts[k1])/total
        for k2 in counts:
            if k1==k2: continue
            p2=float(counts[k2])/total
            imp+=p1*p2
    return imp

def entropy(rows):
    """返回rows數(shù)據(jù)集的熵
    """
    from math import log
    log2=lambda x:log(x)/log(2)  
    results=uniquecounts(rows)
    ent=0.0
    for r in results.keys():
        p=float(results[r])/len(rows)
        ent=ent-p*log2(p)
    return ent

def build_tree(rows,scoref=entropy):
    """構(gòu)造決策樹
    """
    if len(rows)==0: return DecisionNode()
    current_score=scoref(rows)

    # 最佳信息增益
    best_gain=0.0
    #
    best_criteria=None
    #最佳劃分
    best_sets=None

    column_count=len(rows[0])-1
    #遍歷數(shù)據(jù)集的列,確定分割順序
    for col in range(0,column_count):
        column_values={}
        # 構(gòu)造字典
        for row in rows:
            column_values[row[col]]=1
        for value in column_values.keys():
            (set1,set2)=divideset(rows,col,value)
            p=float(len(set1))/len(rows)
            # 計算信息增益
            gain=current_score-p*scoref(set1)-(1-p)*scoref(set2)
            if gain>best_gain and len(set1)>0 and len(set2)>0:
                best_gain=gain
                best_criteria=(col,value)
                best_sets=(set1,set2)
    # 如果劃分的兩個數(shù)據(jù)集熵小于原數(shù)據(jù)集,進(jìn)一步劃分它們
    if best_gain>0:
        trueBranch=build_tree(best_sets[0])
        falseBranch=build_tree(best_sets[1])
        return DecisionNode(col=best_criteria[0],value=best_criteria[1],
                        tb=trueBranch,fb=falseBranch)
    # 如果劃分的兩個數(shù)據(jù)集熵不小于原數(shù)據(jù)集,停止劃分
    else:
        return DecisionNode(results=uniquecounts(rows))

def print_tree(tree,indent=""):
    if tree.results!=None:
        print(str(tree.results))
    else:
        print(str(tree.col)+":"+str(tree.value)+"? ")
        print(indent+"T->",end="")
        print_tree(tree.tb,indent+"  ")
        print(indent+"F->",end="")
        print_tree(tree.fb,indent+"  ")


def getwidth(tree):
    if tree.tb==None and tree.fb==None: return 1
    return getwidth(tree.tb)+getwidth(tree.fb)

def getdepth(tree):
    if tree.tb==None and tree.fb==None: return 0
    return max(getdepth(tree.tb),getdepth(tree.fb))+1


def drawtree(tree,jpeg="tree.jpg"):
    w=getwidth(tree)*100
    h=getdepth(tree)*100+120

    img=Image.new("RGB",(w,h),(255,255,255))
    draw=ImageDraw.Draw(img)

    drawnode(draw,tree,w/2,20)
    img.save(jpeg,"JPEG")

def drawnode(draw,tree,x,y):
    if tree.results==None:
        # Get the width of each branch
        w1=getwidth(tree.fb)*100
        w2=getwidth(tree.tb)*100

        # Determine the total space required by this node
        left=x-(w1+w2)/2
        right=x+(w1+w2)/2

        # Draw the condition string
        draw.text((x-20,y-10),str(tree.col)+":"+str(tree.value),(0,0,0))

        # Draw links to the branches
        draw.line((x,y,left+w1/2,y+100),fill=(255,0,0))
        draw.line((x,y,right-w2/2,y+100),fill=(255,0,0))
    
        # Draw the branch nodes
        drawnode(draw,tree.fb,left+w1/2,y+100)
        drawnode(draw,tree.tb,right-w2/2,y+100)
    else:
        txt=" 
".join(["%s:%d"%v for v in tree.results.items()])
        draw.text((x-20,y),txt,(0,0,0))



對測試數(shù)據(jù)進(jìn)行分類(附帶處理缺失數(shù)據(jù))
def mdclassify(observation,tree):
    """對缺失數(shù)據(jù)進(jìn)行分類
    
    args:
    observation -- 發(fā)生信息缺失的數(shù)據(jù)項
    tree -- 訓(xùn)練完成的決策樹
    
    返回代表該分類的結(jié)果字典
    """

    # 判斷數(shù)據(jù)是否到達(dá)葉節(jié)點(diǎn)
    if tree.results!=None:
        # 已經(jīng)到達(dá)葉節(jié)點(diǎn),返回結(jié)果result
        return tree.results
    else:
        # 對數(shù)據(jù)項的col列進(jìn)行分析
        v=observation[tree.col]

        # 若col列數(shù)據(jù)缺失
        if v==None:
            #對tree的左右子樹分別使用mdclassify,tr是左子樹得到的結(jié)果字典,fr是右子樹得到的結(jié)果字典
            tr,fr=mdclassify(observation,tree.tb),mdclassify(observation,tree.fb)

            # 分別以結(jié)果占總數(shù)比例計算得到左右子樹的權(quán)重
            tcount=sum(tr.values())
            fcount=sum(fr.values())
            tw=float(tcount)/(tcount+fcount)
            fw=float(fcount)/(tcount+fcount)
            result={}

            # 計算左右子樹的加權(quán)平均
            for k,v in tr.items(): 
                result[k]=v*tw
            for k,v in fr.items(): 
                # fr的結(jié)果k有可能并不在tr中,在result中初始化k
                if k not in result: 
                    result[k]=0 
                # fr的結(jié)果累加到result中  
                result[k]+=v*fw
            return result

        # col列沒有缺失,繼續(xù)沿決策樹分類
        else:
            if isinstance(v,int) or isinstance(v,float):
                if v>=tree.value: branch=tree.tb
                else: branch=tree.fb
            else:
                if v==tree.value: branch=tree.tb
                else: branch=tree.fb
            return mdclassify(observation,branch)

tree=build_tree(my_data)
print(mdclassify(["google",None,"yes",None],tree))
print(mdclassify(["google","France",None,None],tree))
決策樹剪枝
def prune(tree,mingain):
    """對決策樹進(jìn)行剪枝
    
    args:
    tree -- 決策樹
    mingain -- 最小信息增益
    
   返回
    """
    # 修剪非葉節(jié)點(diǎn)
    if tree.tb.results==None:
        prune(tree.tb,mingain)
    if tree.fb.results==None:
        prune(tree.fb,mingain)
    #合并兩個葉子節(jié)點(diǎn)
    if tree.tb.results!=None and tree.fb.results!=None:
        tb,fb=[],[]
        for v,c in tree.tb.results.items():
            tb+=[[v]]*c
        for v,c in tree.fb.results.items():
            fb+=[[v]]*c
        #計算熵減少情況
        delta=entropy(tb+fb)-(entropy(tb)+entropy(fb)/2)
        #熵的增加量小于mingain,可以合并分支
        if delta           
               
                                           
                       
                 

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/19834.html

相關(guān)文章

  • Reinventing the wheel決策算法實(shí)現(xiàn)

    摘要:數(shù)據(jù)描述每條數(shù)據(jù)項儲存在列表中,最后一列儲存結(jié)果多條數(shù)據(jù)項形成數(shù)據(jù)集決策樹數(shù)據(jù)結(jié)構(gòu)決策樹節(jié)點(diǎn)初始化決策樹節(jié)點(diǎn)按數(shù)據(jù)集的列劃分?jǐn)?shù)據(jù)集以作為劃分列的參照只有葉子節(jié)點(diǎn)有,代表最終劃分出的子數(shù)據(jù)集結(jié)果統(tǒng)計信息。 數(shù)據(jù)描述 每條數(shù)據(jù)項儲存在列表中,最后一列儲存結(jié)果多條數(shù)據(jù)項形成數(shù)據(jù)集 data=[[d1,d2,d3...dn,result], [d1,d2,d3...dn,resul...

    caohaoyu 評論0 收藏0
  • 如何在Python中從零開始實(shí)現(xiàn)隨機(jī)森林

    摘要:在本教程中,您將了解如何在中從頭開始實(shí)現(xiàn)隨機(jī)森林算法。如何將隨機(jī)森林算法應(yīng)用于預(yù)測建模問題。如何在中從頭開始實(shí)現(xiàn)隨機(jī)森林圖片來自,保留部分權(quán)利。這被稱為隨機(jī)森林算法。如何更新決策樹的創(chuàng)建以適應(yīng)隨機(jī)森林過程。 歡迎大家前往云+社區(qū),獲取更多騰訊海量技術(shù)實(shí)踐干貨哦~ 決策樹可能會受到高度變異的影響,使得結(jié)果對所使用的特定測試數(shù)據(jù)而言變得脆弱。 根據(jù)您的測試數(shù)據(jù)樣本構(gòu)建多個模型(稱為套袋)可...

    MasonEast 評論0 收藏0
  • 【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [12] 集成學(xué)習(xí)實(shí)踐

    摘要:本篇內(nèi)容為機(jī)器學(xué)習(xí)實(shí)戰(zhàn)第章利用元算法提高分類性能程序清單。將當(dāng)前錯誤率與已有的最小錯誤率進(jìn)行對比后,如果當(dāng)前的值較小,那么就在字典中保存該單層決策樹。上述,我們已經(jīng)構(gòu)建了單層決策樹,得到了弱學(xué)習(xí)器。 本篇內(nèi)容為《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》第 7 章利用 AdaBoost 元算法提高分類性能程序清單。所用代碼為 python3。 AdaBoost優(yōu)點(diǎn):泛化錯誤率低,易編碼,可以應(yīng)用在大部分分類器上...

    terro 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<