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:決策樹算法的實現

caohaoyu / 1915人閱讀

摘要:數據描述每條數據項儲存在列表中,最后一列儲存結果多條數據項形成數據集決策樹數據結構決策樹節點初始化決策樹節點按數據集的列劃分數據集以作為劃分列的參照只有葉子節點有,代表最終劃分出的子數據集結果統計信息。

數據描述

每條數據項儲存在列表中,最后一列儲存結果
多條數據項形成數據集

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

決策樹數據結構
class DecisionNode:
    """決策樹節點
    """
    
    def __init__(self,col=-1,value=None,results=None,tb=None,fb=None):
        """初始化決策樹節點
        
        args:        
        col -- 按數據集的col列劃分數據集
        value -- 以value作為劃分col列的參照
        result -- 只有葉子節點有,代表最終劃分出的子數據集結果統計信息。{‘結果’:結果出現次數}
        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果是將數據項劃分出了若干子集,其中每個子集的結果都一樣,所以這里采用{‘結果’:結果出現次數}的方式表達每個子集


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

def uniquecounts(rows):
    """計算數據集rows中有幾種最終結果,計算結果出現次數,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數據集的基尼不純度
    """
    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數據集的熵
    """
    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
    #遍歷數據集的列,確定分割順序
    for col in range(0,column_count):
        column_values={}
        # 構造字典
        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)
    # 如果劃分的兩個數據集熵小于原數據集,進一步劃分它們
    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)
    # 如果劃分的兩個數據集熵不小于原數據集,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))



對測試數據進行分類(附帶處理缺失數據)
def mdclassify(observation,tree):
    """對缺失數據進行分類
    
    args:
    observation -- 發生信息缺失的數據項
    tree -- 訓練完成的決策樹
    
    返回代表該分類的結果字典
    """

    # 判斷數據是否到達葉節點
    if tree.results!=None:
        # 已經到達葉節點,返回結果result
        return tree.results
    else:
        # 對數據項的col列進行分析
        v=observation[tree.col]

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

            # 分別以結果占總數比例計算得到左右子樹的權重
            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平均
            for k,v in tr.items(): 
                result[k]=v*tw
            for k,v in fr.items(): 
                # fr的結果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的結果累加到result中  
                result[k]+=v*fw
            return result

        # col列沒有缺失,繼續沿決策樹分類
        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):
    """對決策樹進行剪枝
    
    args:
    tree -- 決策樹
    mingain -- 最小信息增益
    
   返回
    """
    # 修剪非葉節點
    if tree.tb.results==None:
        prune(tree.tb,mingain)
    if tree.fb.results==None:
        prune(tree.fb,mingain)
    #合并兩個葉子節點
    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           
               
                                           
                       
                 

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/42547.html

相關文章

  • Reinventing the wheel決策算法實現

    摘要:數據描述每條數據項儲存在列表中,最后一列儲存結果多條數據項形成數據集決策樹數據結構決策樹節點初始化決策樹節點按數據集的列劃分數據集以作為劃分列的參照只有葉子節點有,代表最終劃分出的子數據集結果統計信息。 數據描述 每條數據項儲存在列表中,最后一列儲存結果多條數據項形成數據集 data=[[d1,d2,d3...dn,result], [d1,d2,d3...dn,resul...

    hedge_hog 評論0 收藏0
  • 如何在Python中從零開始實現隨機森林

    摘要:在本教程中,您將了解如何在中從頭開始實現隨機森林算法。如何將隨機森林算法應用于預測建模問題。如何在中從頭開始實現隨機森林圖片來自,保留部分權利。這被稱為隨機森林算法。如何更新決策樹的創建以適應隨機森林過程。 歡迎大家前往云+社區,獲取更多騰訊海量技術實踐干貨哦~ 決策樹可能會受到高度變異的影響,使得結果對所使用的特定測試數據而言變得脆弱。 根據您的測試數據樣本構建多個模型(稱為套袋)可...

    MasonEast 評論0 收藏0
  • 【數據科學系統學習】機器學習算法 # 西瓜書學習記錄 [12] 集成學習實踐

    摘要:本篇內容為機器學習實戰第章利用元算法提高分類性能程序清單。將當前錯誤率與已有的最小錯誤率進行對比后,如果當前的值較小,那么就在字典中保存該單層決策樹。上述,我們已經構建了單層決策樹,得到了弱學習器。 本篇內容為《機器學習實戰》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優點:泛化錯誤率低,易編碼,可以應用在大部分分類器上...

    terro 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<