Python機器學習之決策樹
一、要求
二、原理
決策樹是一種類似於流程圖的結構,其中每個內部節點代表一個屬性上的“測試”,每個分支代表測試的結果,每個葉節點代表一個測試結果。類標簽(在計算所有屬性後做出的決定)。從根到葉的路徑代表分類規則。
決策樹學習的目的是為瞭產生一棵泛化能力強,即處理未見示例能力強的決策樹。因此如何構建決策樹,是後續預測的關鍵!而構建決策樹,就需要確定類標簽判斷的先後,其決定瞭構建的決策樹的性能。決策樹的分支節點應該盡可能的屬於同一類別,即節點的“純度”要越來越高,隻有這樣,才能最佳決策。
經典的屬性劃分方法:
- 信息增益
- 增益率
- 基尼指數
本次實驗采用瞭信息增益,因此下面隻對信息增益進行介紹。
三、信息增益的計算方法
其中D為樣本集合,a為樣本集合中的屬性,Dv表示D樣本集合中a屬性為v的樣本集合。
Ent(x)函數是計算信息熵,表示的是樣本集合的純度信息,信息熵的計算方法如下:
其中pk表示樣本中最終結果種類中其中一個類別所占的比例,比如有10個樣本,其中5個好,5個不好,則其中p1 = 5/10, p2 = 5/10。
一般而言,信息增益越大,則意味著使用屬性α來進行劃分所獲得的“純度提升”越大,因此在選擇屬性節點的時候優先選擇信息增益高的屬性!
四、實現過程
本次設計用到瞭pandas和numpy庫,主要利用它們來對數據進行快速的處理和使用。
首先將數據讀入:
可以看到數據集的標簽是瓜的不同的屬性,而表格中的數據就是不同屬性下的不同的值等。
if(len(set(D.好瓜)) == 1): #標記返回 return D.好瓜.iloc[0] elif((len(A) == 0) or Check(D, A[:-1])): #選擇D中結果最多的為標記 cnt = D.groupby('好瓜').size() maxValue = cnt[cnt == cnt.max()].index[0] return maxValue else: A1 = copy.deepcopy(A) attr = Choose(D, A1[:-1]) tree = {attr:{}} for value in set(D[attr]): tree[attr][value] = TreeGen(D[D[attr] == value], A1) return tree
TreeGen函數是生成樹主函數,通過對它的遞歸調用,返回下一級樹結構(字典)來完成生成決策樹。
在生成樹過程中,有二個終止迭代的條件,第一個就是當輸入數據源D的所有情況結果都相同,那麼將這個結果作為葉節點返回;第二個就是當沒有屬性可以再往下分,或者D中的樣本在A所有屬性下面的值都相同,那麼就將D的所有情況中結果最多的作為葉節點返回。
其中Choose(D:pd.DataFrame, A:list)函數是選擇標簽的函數,其根據輸入數據源和剩下的屬性列表算出對應標簽信息增益,選擇能使信息增益最大的標簽返回
def Choose(D:pd.DataFrame, A:list): result = 0.0 resultAttr = '' for attr in A: tmpVal = CalcZengYi(D, attr) if(tmpVal > result): resultAttr = attr result = tmpVal A.remove(resultAttr) return resultAttr
最後是結果:
{‘紋理’: {‘稍糊’: {‘觸感’: {‘硬滑’: ‘否’, ‘軟粘’: ‘是’}}, ‘清晰’: {‘根蒂’: {‘硬挺’: ‘否’, ‘蜷縮’: ‘是’, ‘稍蜷’: {‘色澤’: {‘青綠’: ‘是’, ‘烏黑’: {‘觸感’: {‘硬滑’: ‘是’, ‘軟粘’: ‘否’}}}}}}, ‘模糊’: ‘否’}}
繪圖如下:
五、程序
主程序
#!/usr/bin/python3 # -*- encoding: utf-8 -*- ''' @Description:決策樹: @Date :2021/04/25 15:57:14 @Author :willpower @version :1.0 ''' import pandas as pd import numpy as np import treeplot import copy import math """ @description :計算熵值 --------- @param :輸入為基本pandas類型dataFrame,其中輸入最後一行為實際結果 ------- @Returns :返回熵值,類型為浮點型 ------- """ def CalcShang(D:pd.DataFrame): setCnt = D.shape[0] result = 0.0 # for i in D.groupby(D.columns[-1]).size().index: #遍歷每一個值 for i in set(D[D.columns[-1]]): #獲取該屬性下的某個值的次數 cnt = D.iloc[:,-1].value_counts()[i] result = result + (cnt/setCnt)*math.log(cnt/setCnt, 2) return (-1*result) """ @description :計算增益 --------- @param :輸入為DataFrame數據源,然後是需要計算增益的屬性值 ------- @Returns :返回增益值,浮點型 ------- """ def CalcZengYi(D:pd.DataFrame, attr:str): sumShang = CalcShang(D) setCnt = D.shape[0] result = 0.0 valus = D.groupby(attr).size() for subVal in valus.index: result = result + (valus[subVal]/setCnt)*CalcShang(D[D[attr] == subVal]) return sumShang - result """ @description :選擇最佳的屬性 --------- @param :輸入為數據源,以及還剩下的屬性列表 ------- @Returns :返回最佳屬性 ------- """ def Choose(D:pd.DataFrame, A:list): result = 0.0 resultAttr = '' for attr in A: tmpVal = CalcZengYi(D, attr) if(tmpVal > result): resultAttr = attr result = tmpVal A.remove(resultAttr) return resultAttr """ @description :檢查數據在每一個屬性下面的值是否相同 --------- @param :輸入為DataFrame以及剩下的屬性列表 ------- @Returns :返回bool值,相同返回1,不同返回0 ------- """ def Check(D:pd.DataFrame, A:list): for i in A: if(len(set(D[i])) != 1): return 0 return 1 """ @description :生成樹主函數 --------- @param :數據源DataFrame以及所有類型 ------- @Returns :返回生成的字典樹 ------- """ def TreeGen(D:pd.DataFrame, A:list): if(len(set(D.好瓜)) == 1): #標記返回 return D.好瓜.iloc[0] elif((len(A) == 0) or Check(D, A[:-1])): #選擇D中結果最多的為標記 cnt = D.groupby('好瓜').size() #找到結果最多的結果 maxValue = cnt[cnt == cnt.max()].index[0] return maxValue else: A1 = copy.deepcopy(A) attr = Choose(D, A1[:-1]) tree = {attr:{}} for value in set(D[attr]): tree[attr][value] = TreeGen(D[D[attr] == value], A1) return tree """ @description :驗證集 --------- @param :輸入為待驗證的數據(最後一列為真實結果)以及決策樹模型 ------- @Returns :無 ------- """ def Test(D:pd.DataFrame, model:dict): for i in range(D.shape[0]): data = D.iloc[i] subModel = model while(1): attr = list(subModel)[0] subModel = subModel[attr][data[attr]] if(type(subModel).__name__ != 'dict'): print(subModel, end='') break print('') name = ['色澤', '根蒂', '敲聲', '紋理', '臍部', '觸感', '好瓜'] df = pd.read_csv('./savedata.txt', names=name) # CalcZengYi(df, '色澤') resultTree = TreeGen(df, name) print(resultTree) # print(df[name[:-1]]) Test(df[name[:-1]], resultTree) treeplot.plot_model(resultTree,"resultTree.gv")
繪圖程序
from graphviz import Digraph def plot_model(tree, name): g = Digraph("G", filename=name, format='png', strict=False) first_label = list(tree.keys())[0] g.node("0", first_label) _sub_plot(g, tree, "0") g.view() root = "0" def _sub_plot(g, tree, inc): global root first_label = list(tree.keys())[0] ts = tree[first_label] for i in ts.keys(): if isinstance(tree[first_label][i], dict): root = str(int(root) + 1) g.node(root, list(tree[first_label][i].keys())[0]) g.edge(inc, root, str(i)) _sub_plot(g, tree[first_label][i], root) else: root = str(int(root) + 1) g.node(root, tree[first_label][i]) g.edge(inc, root, str(i))
./savedata.txt
青綠,蜷縮,濁響,清晰,凹陷,硬滑,是
烏黑,蜷縮,沉悶,清晰,凹陷,硬滑,是
烏黑,蜷縮,濁響,清晰,凹陷,硬滑,是
青綠,蜷縮,沉悶,清晰,凹陷,硬滑,是
淺白,蜷縮,濁響,清晰,凹陷,硬滑,是
青綠,稍蜷,濁響,清晰,稍凹,軟粘,是
烏黑,稍蜷,濁響,稍糊,稍凹,軟粘,是
烏黑,稍蜷,濁響,清晰,稍凹,硬滑,是
烏黑,稍蜷,沉悶,稍糊,稍凹,硬滑,否
青綠,硬挺,清脆,清晰,平坦,軟粘,否
淺白,硬挺,清脆,模糊,平坦,硬滑,否
淺白,蜷縮,濁響,模糊,平坦,軟粘,否
青綠,稍蜷,濁響,稍糊,凹陷,硬滑,否
淺白,稍蜷,沉悶,稍糊,凹陷,硬滑,否
烏黑,稍蜷,濁響,清晰,稍凹,軟粘,否
淺白,蜷縮,濁響,模糊,平坦,硬滑,否
青綠,蜷縮,沉悶,稍糊,稍凹,硬滑,否
六、遇到的問題
graphviz Not a directory: ‘dot’
解決辦法
到此這篇關於Python機器學習之決策樹的文章就介紹到這瞭,更多相關Python決策樹內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!