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

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171216A02MI200?refer=cp_1026

扫码关注云+社区