python实现C4.5决策树算法


Posted in Python onAugust 29, 2018

C4.5算法使用信息增益率来代替ID3的信息增益进行特征的选择,克服了信息增益选择特征时偏向于特征值个数较多的不足。信息增益率的定义如下:

python实现C4.5决策树算法

# -*- coding: utf-8 -*-


from numpy import *
import math
import copy
import cPickle as pickle


class C45DTree(object):
 def __init__(self): # 构造方法
  self.tree = {} # 生成树
  self.dataSet = [] # 数据集
  self.labels = [] # 标签集


 # 数据导入函数
 def loadDataSet(self, path, labels):
  recordList = []
  fp = open(path, "rb") # 读取文件内容
  content = fp.read()
  fp.close()
  rowList = content.splitlines() # 按行转换为一维表
  recordList = [row.split("\t") for row in rowList if row.strip()] # strip()函数删除空格、Tab等
  self.dataSet = recordList
  self.labels = labels


 # 执行决策树函数
 def train(self):
  labels = copy.deepcopy(self.labels)
  self.tree = self.buildTree(self.dataSet, labels)


 # 构件决策树:穿件决策树主程序
 def buildTree(self, dataSet, lables):
  cateList = [data[-1] for data in dataSet] # 抽取源数据集中的决策标签列
  # 程序终止条件1:如果classList只有一种决策标签,停止划分,返回这个决策标签
  if cateList.count(cateList[0]) == len(cateList):
   return cateList[0]
  # 程序终止条件2:如果数据集的第一个决策标签只有一个,返回这个标签
  if len(dataSet[0]) == 1:
   return self.maxCate(cateList)
  # 核心部分
  bestFeat, featValueList= self.getBestFeat(dataSet) # 返回数据集的最优特征轴
  bestFeatLabel = lables[bestFeat]
  tree = {bestFeatLabel: {}}
  del (lables[bestFeat])
  for value in featValueList: # 决策树递归生长
   subLables = lables[:] # 将删除后的特征类别集建立子类别集
   # 按最优特征列和值分隔数据集
   splitDataset = self.splitDataSet(dataSet, bestFeat, value)
   subTree = self.buildTree(splitDataset, subLables) # 构建子树
   tree[bestFeatLabel][value] = subTree
  return tree


 # 计算出现次数最多的类别标签
 def maxCate(self, cateList):
  items = dict([(cateList.count(i), i) for i in cateList])
  return items[max(items.keys())]


 # 计算最优特征
 def getBestFeat(self, dataSet):
  Num_Feats = len(dataSet[0][:-1])
  totality = len(dataSet)
  BaseEntropy = self.computeEntropy(dataSet)
  ConditionEntropy = []  # 初始化条件熵
  slpitInfo = [] # for C4.5,caculate gain ratio
  allFeatVList = []
  for f in xrange(Num_Feats):
   featList = [example[f] for example in dataSet]
   [splitI, featureValueList] = self.computeSplitInfo(featList)
   allFeatVList.append(featureValueList)
   slpitInfo.append(splitI)
   resultGain = 0.0
   for value in featureValueList:
    subSet = self.splitDataSet(dataSet, f, value)
    appearNum = float(len(subSet))
    subEntropy = self.computeEntropy(subSet)
    resultGain += (appearNum/totality)*subEntropy
   ConditionEntropy.append(resultGain) # 总条件熵
  infoGainArray = BaseEntropy*ones(Num_Feats)-array(ConditionEntropy)
  infoGainRatio = infoGainArray/array(slpitInfo) # C4.5信息增益的计算
  bestFeatureIndex = argsort(-infoGainRatio)[0]
  return bestFeatureIndex, allFeatVList[bestFeatureIndex]

 # 计算划分信息
 def computeSplitInfo(self, featureVList):
  numEntries = len(featureVList)
  featureVauleSetList = list(set(featureVList))
  valueCounts = [featureVList.count(featVec) for featVec in featureVauleSetList]
  pList = [float(item)/numEntries for item in valueCounts]
  lList = [item*math.log(item, 2) for item in pList]
  splitInfo = -sum(lList)
  return splitInfo, featureVauleSetList


 # 计算信息熵
 # @staticmethod
 def computeEntropy(self, dataSet):
  dataLen = float(len(dataSet))
  cateList = [data[-1] for data in dataSet] # 从数据集中得到类别标签
  # 得到类别为key、 出现次数value的字典
  items = dict([(i, cateList.count(i)) for i in cateList])
  infoEntropy = 0.0
  for key in items: # 香农熵: = -p*log2(p) --infoEntropy = -prob * log(prob, 2)
   prob = float(items[key]) / dataLen
   infoEntropy -= prob * math.log(prob, 2)
  return infoEntropy


 # 划分数据集: 分割数据集; 删除特征轴所在的数据列,返回剩余的数据集
 # dataSet : 数据集; axis: 特征轴; value: 特征轴的取值
 def splitDataSet(self, dataSet, axis, value):
  rtnList = []
  for featVec in dataSet:
   if featVec[axis] == value:
    rFeatVec = featVec[:axis] # list操作:提取0~(axis-1)的元素
    rFeatVec.extend(featVec[axis + 1:]) # 将特征轴之后的元素加回
    rtnList.append(rFeatVec)
  return rtnList

 # 存取树到文件
 def storetree(self, inputTree, filename):
  fw = open(filename,'w')
  pickle.dump(inputTree, fw)
  fw.close()

 # 从文件抓取树
 def grabTree(self, filename):
  fr = open(filename)
  return pickle.load(fr)

调用代码

# -*- coding: utf-8 -*-

from numpy import *
from C45DTree import *

dtree = C45DTree()
dtree.loadDataSet("dataset.dat",["age", "revenue", "student", "credit"])
dtree.train()

dtree.storetree(dtree.tree, "data.tree")
mytree = dtree.grabTree("data.tree")
print mytree

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python备份文件以及mysql数据库的脚本代码
Jun 10 Python
Python中的jquery PyQuery库使用小结
May 13 Python
Python实现数据库并行读取和写入实例
Jun 09 Python
使用python3+xlrd解析Excel的实例
May 04 Python
python如何以表格形式打印输出的方法示例
Jun 21 Python
Python中xml和dict格式转换的示例代码
Nov 07 Python
python如何保存文本文件
Jun 07 Python
卸载tensorflow-cpu重装tensorflow-gpu操作
Jun 23 Python
PyTorch的torch.cat用法
Jun 28 Python
Linux安装Python3如何和系统自带的Python2并存
Jul 23 Python
如何快速一次性卸载所有python包(第三方库)呢
Oct 20 Python
Django haystack实现全文搜索代码示例
Nov 28 Python
python机器学习之KNN分类算法
Aug 29 #Python
深入理解python中sort()与sorted()的区别
Aug 29 #Python
Python实现拷贝/删除文件夹的方法详解
Aug 29 #Python
Python读写zip压缩文件的方法
Aug 29 #Python
使用python生成杨辉三角形的示例代码
Aug 29 #Python
Python实现查询某个目录下修改时间最新的文件示例
Aug 29 #Python
有关Python的22个编程技巧
Aug 29 #Python
You might like
日本十大惊悚动漫
2020/03/04 日漫
PHP4 与 MySQL 数据库操作函数详解
2006/10/09 PHP
php中static静态变量的使用方法详解
2010/06/04 PHP
PHP的引用详解
2015/02/22 PHP
php短信接口代码
2016/05/13 PHP
postfixadmin忘记密码后的修改密码方法详解
2016/07/20 PHP
PHP面向对象程序设计之多态性的应用示例
2018/12/19 PHP
js 表单提交后按钮变灰的实例代码
2013/08/16 Javascript
纯javascript移动优先的幻灯片效果
2015/11/02 Javascript
微信小程序 Page()函数详解
2016/10/17 Javascript
浅谈vue项目优化之页面的按需加载(vue+webpack)
2017/12/11 Javascript
微信小程序实现联动选择器
2019/02/15 Javascript
JS module的导出和导入的实现代码
2019/02/25 Javascript
微信小程序如何调用json数据接口并解析
2019/06/29 Javascript
JS实现关闭小广告特效
2021/01/29 Javascript
bootstrap-table后端分页功能完整实例
2020/06/01 Javascript
vant实现购物车功能
2020/06/29 Javascript
使用AutoJs实现微信抢红包的代码
2020/12/31 Javascript
Python装饰器使用实例:验证参数合法性
2015/06/24 Python
在Django的模型和公用函数中使用惰性翻译对象
2015/07/27 Python
Windows上配置Emacs来开发Python及用Python扩展Emacs
2015/11/20 Python
Python时间获取及转换知识汇总
2017/01/11 Python
python timestamp和datetime之间转换详解
2017/12/11 Python
Python闭包执行时值的传递方式实例分析
2018/06/04 Python
TensorFlow打印tensor值的实现方法
2018/07/27 Python
DES加密解密算法之python实现版(图文并茂)
2018/12/06 Python
python利用多种方式来统计词频(单词个数)
2019/05/27 Python
如何用Anaconda搭建虚拟环境并创建Django项目
2020/08/02 Python
python产生模拟数据faker库的使用详解
2020/11/04 Python
2014年迎新年联欢会活动策划方案
2014/02/26 职场文书
校庆接待方案
2014/03/18 职场文书
安全协议书范本
2014/04/21 职场文书
党员承诺书格式
2014/05/21 职场文书
移交协议书
2014/08/19 职场文书
个人查摆剖析材料
2014/10/04 职场文书
2014年学校办公室工作总结
2014/12/19 职场文书