《统计学习方法》 决策树ID3,C45 python实现

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Thu Nov  2 10:51:33 2017
@author: lee
"""
from collections import defaultdict
import math
def CreateDataSet():
    data = [[1, 1, 'yes' ],
               [1, 1, 'yes' ],
               [1, 0, 'no'],
               [0, 1, 'no'],
               [0, 1, 'no']]
    labels = ['no surfacing', 'flippers']
    return data, labels

def CreateTree(data, labels,eps=-1):
    #print data
    #获取训练集的分类
    data_labels = [y[-1] for y in data]
    #获取特征集
    unique_feature = set(data[0][:-1])
    #(1)如果所有实例都属于同一个类,则决策树为单结点树
    #可怕的坑,不能直接用len(labels)==1
    if data_labels.count(data_labels[0]) == len(data_labels):
        #print len(data_labels),data_labels,1
        return data_labels[0]
    #(2)特征集为空,为单结点树,取训练集中实例数最大的类返回
    if len(unique_feature) == 0:
        dic = defaultdict(int)
        for i in range(len(data_labels)):
            dic[data_labels[i]] += 1
# =============================================================================
#         #字典取最大值的方法:
#         max(dic,key=dic.get)#返回最大值所对应的键
#         max(dic.items(),key=lambda x: x[1])#返回最大值(key,value)
# =============================================================================
        return max(dic,key=dic.get)
    #(3)一般情况
    #id3的特征选择
    maxfindex,maxgain = Maxinformation_gain(data,labels)
    #c45的特征选择
    #maxfindex,maxgain = Maxinformation_gain_ratio(data,labels)
    
    #(4)最大特征值增益小于阈值,为单结点树,取训练集中实例数最大的类返回
    if maxgain < eps:
        dic = defaultdict(int)
        for i in range(len(data_labels)):
            dic[data_labels[i]] += 1
        return max(dic,key=dic.get)
    #(5)对Ag的每一个取值划分一个树
    #取出特征,并在label中删除当前选中特征
    maxfeature = labels[maxfindex]
    del labels[maxfindex]
    #取出该特征对应的所有训练数据
    featureVal = [value[maxfindex] for value in data]
    #用字典表示树
    idtree = {maxfeature:{}}
    #取出该特征的取值
    featureValunq = set(featureVal)
    #(6)对每一个取值,划分出一个子树
    for fval in featureValunq:
        #print 'mu',maxfeature,fval,idtree
        idtree[maxfeature][fval] = CreateTree(SplitData(data,maxfindex,fval),labels[:])
        #print 'digui',idtree,'idtree'
    return idtree
#筛选出信息增益最大的特征,返回特征索引,该特征的信息增益    
def Maxinformation_gain(data,labels):
    feature_gain ={}
    data_labels = [y[-1] for y in data]
    entropyD = entropy(data_labels)
    #计算每一个feature的信息增益
    for f in range(len(labels)):
        featureVal = [value[f] for value in data]
        entropyF = ConditionalEntropy(featureVal,data_labels)
        feature_gain[f] = entropyD-entropyF
    
    result = max(feature_gain.items(),key=lambda x:x[1])    
    #print 'max',labels,result,feature_gain
    #print 'max',data
    return result[0],result[1]
#根据特征索引split_index,特征取值划分数据集
def SplitData(data,split_index,split_value):
    #print 'befor split',data,split_index,split_value
    subdata = []
    for row in data:
        if row[split_index] == split_value:
            temp1 = row[:split_index]
            temp2 = row[split_index+1:]
            subdata.append(temp1+temp2)
    #print 'after split',subdata,split_index,split_value
    return subdata

#计算数据集的经验信息熵
def entropy(y):

    n = len(y)
    elist = defaultdict(int)
    result = 0.
    for i in range(len(y)):
        elist[y[i]] += 1
    
    for i in elist.keys():
        p = elist[i]/float(n)
        if p == 0:
            result -= 0
        else:
            result -= p*math.log(p,2)
    return result

#计算经验条件信息熵
def ConditionalEntropy(datalist,y):
    data_u = set(datalist)
    data_dic = defaultdict(int)
    y_dic = defaultdict(list)
    n = len(datalist)
    result = 0.
    #计数特征不同取值的个数
    for i in range(len(datalist)):
        data_dic[datalist[i]] += 1
        y_dic[datalist[i]].append(y[i])
    for i in data_u:
        result += data_dic[i]/float(n) * entropy(y_dic[i])
    return result

def Maxinformation_gain_ratio(data,labels):
    #计算每个特征的信息增益
    result = {}
    data_labels = [y[-1] for y in data]
    entropyD = entropy(data_labels)
    #计算每一个feature的信息增益
    for f in range(len(labels)):
        featureVal = [value[f] for value in data]
        entropyF = ConditionalEntropy(featureVal,data_labels)
        feature_gain = entropyD-entropyF
        feature_data_en = FeatureDataEntropy(featureVal)
        result[f] = feature_gain/feature_data_en
    return max(result,key=result.get)[0],max(result,key=result.get)[1]
        
#计算数据集关于每个特征的熵     
def FeatureDataEntropy(datalist):
    data_dic = defaultdict(int)
    result = 0.
    n = len(datalist)
    #计数特征不同取值的个数
    for i in range(n):
        data_dic[datalist[i]] += 1
    for i in data_dic.keys():
        if data_dic[i] == 0:
            result += 0
        else:
            p = data_dic[i]/float(n)
            result += p * math.log(p,2)
    return result
  
data,label = CreateDataSet()
print CreateTree(data,label)
最后编辑于
?著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事?!?“怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容