前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >李航《统计学习方法》决策树C4.5算法实现

李航《统计学习方法》决策树C4.5算法实现

作者头像
Coggle数据科学
发布2019-09-12 16:19:59
5750
发布2019-09-12 16:19:59
举报

C4.5算法只需对李航《统计学习方法》决策树ID3算法实现做些修改

C4.5算法修改代码

def bestFeatureToSplit(dataset):
    '''
    input:数据集
    output:最好的划分特征
    describe:选择最好的数据集划分维度
    '''
    numFeatures = dataset.shape[1] - 1
    ShannonEnt = calcShannonEnt(dataset)
    bestInfoGain = 0.0
    bestFeature = -1
    cols = dataset.columns.tolist()
    for i in range(numFeatures):
        equalVals = set(dataset[cols[i]].tolist())
        newEntropy = 0.0
        for value in equalVals:
            subDataSet = splitDataSet(dataset, cols[i], value)
            prob = subDataSet.shape[0] / dataset.shape[0]
            newEntropy += prob * calcShannonEnt(subDataSet)
            #####计算特征熵#####
            splitInfo += -prob * log(prob, 2)
            ###################
        infoGain = ShannonEnt - newEntropy
        print(cols[i],infoGain)
        #####计算增益比#####
        infoGainRatio = infoGain / splitInfo
        ###################
        if infoGain > bestInfoGain:
            bestInfoGain = infoGain
            bestFeature = cols[i]
    return bestFeature, bestInfoGain

对ID3算法中bestFeatureToSplit()函数进行了修改,计算增益比。

我们引入一个信息增益比的变量

,它是信息增益和特征熵的比值,表达式如下:

其中

为样本特征输出的集合,

为样本特征,对于特征熵

,表达式如下:

其中

为特征

的类别个数,

为特征

的第

个取值对应的样本个数。

为样本个数。特征数越多的特征对应的特征熵越大,它作为分母,可以校正信息增益容易偏向于取值较多的特征的问题。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • C4.5算法修改代码
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档