新知识 用Python从零开始构造决策树

起步

本章介绍如何不利用第三方库，仅用python自带的标准库来构造一个决策树。

熵的计算公式:

对应的python代码:

条件熵的计算

根据计算方法：

对应的python代码:

其中参数future_list是某一特征向量组成的列表，result_list是label列表。

信息增益

根据信息增益的计算方法：

对应的python代码:

..

定义决策树的节点

作为树的节点，要有左子树和右子树是必不可少的，除此之外还需要其他信息:

树的节点会有两种状态，叶子节点中results属性将保持当前的分类结果。非叶子节点中，col保存着该节点计算的特征索引，根据这个索引来创建左右子树。

has_calc_index属性表示在到达此节点时，已经计算过的特征索引。特征索引的数据集上表现是列的形式，如数据集（不包含结果集）:

有三条数据，三个特征，那么第一个特征对应了第一列[1,0,0]，它的索引是0。

递归的停止条件

本章将构造出完整的决策树，所以递归的停止条件是所有待分析的训练集都属于同一类:

从训练集中筛选最佳的特征

因此计算节点就是调用best_index=choose_best_future(node.data_set,node.labels,node.has_calc_index)来获取最佳的信息增益的特征索引。

构造决策树

决策树中需要一个属性来指向树的根节点，以及特征数量。不需要保存训练集和结果集，因为这部分信息是保存在树的节点中的。

创建决策树

这里需要递归来创建决策树：

根据信息增益的特征索引将训练集再划分为左右两个子树。

训练函数

也就是要有一个fit函数:

清理训练集

训练后，树节点中数据集和结果集等就没必要的，该模型只要col和result就可以了：

预测函数

提供一个预测函数:

测试

数据集使用前面《应用篇》中的向量化的训练集：

零基础小白到大神之路，欢迎加裙 四七四五三四九五一，群里有免费python课程，还有大量干货哦