python如何实现决策树分类算法

今天小编给大家分享一下python如何实现决策树分类算法的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

前置信息

1、决策树

决策树是一种十分常用的分类算法，属于监督学习；也就是给出一批样本，每个样本都有一组属性和一个分类结果。算法通过学习这些样本，得到一个决策树，这个决策树能够对新的数据给出合适的分类

2、样本数据

假设现有用户14名，其个人属性及是否购买某一产品的数据如下：

策树分类算法

1、构建数据集

为了方便处理，对模拟数据按以下规则转换为数值型列表数据：

年龄：<30赋值为0；30-40赋值为1；>40赋值为2

收入：低为0；中为1；高为2

工作性质：不稳定为0；稳定为1

信用评级：差为0；好为1

#创建数据集def createdataset():    dataSet=[[0,2,0,0,'N'],            [0,2,0,1,'N'],            [1,2,0,0,'Y'],            [2,1,0,0,'Y'],            [2,0,1,0,'Y'],            [2,0,1,1,'N'],            [1,0,1,1,'Y'],            [0,1,0,0,'N'],            [0,0,1,0,'Y'],            [2,1,1,0,'Y'],            [0,1,1,1,'Y'],            [1,1,0,1,'Y'],            [1,2,1,0,'Y'],            [2,1,0,1,'N'],]    labels=['age','income','job','credit']    return dataSet,labels

调用函数，可获得数据：

ds1,lab = createdataset()print(ds1)print(lab)

[[0, 2, 0, 0, &lsquo;N&rsquo;], [0, 2, 0, 1, &lsquo;N&rsquo;], [1, 2, 0, 0, &lsquo;Y&rsquo;], [2, 1, 0, 0, &lsquo;Y&rsquo;], [2, 0, 1, 0, &lsquo;Y&rsquo;], [2, 0, 1, 1, &lsquo;N&rsquo;], [1, 0, 1, 1, &lsquo;Y&rsquo;], [0, 1, 0, 0, &lsquo;N&rsquo;], [0, 0, 1, 0, &lsquo;Y&rsquo;], [2, 1, 1, 0, &lsquo;Y&rsquo;], [0, 1, 1, 1, &lsquo;Y&rsquo;], [1, 1, 0, 1, &lsquo;Y&rsquo;], [1, 2, 1, 0, &lsquo;Y&rsquo;], [2, 1, 0, 1, &lsquo;N&rsquo;]]
[&lsquo;age&rsquo;, &lsquo;income&rsquo;, &lsquo;job&rsquo;, &lsquo;credit&rsquo;]

2、数据集信息熵

信息熵也称为香农熵，是随机变量的期望。度量信息的不确定程度。信息的熵越大，信息就越不容易搞清楚。处理信息就是为了把信息搞清楚，就是熵减少的过程。

def calcShannonEnt(dataSet):    numEntries = len(dataSet)    labelCounts = {}    for featVec in dataSet:        currentLabel = featVec[-1]        if currentLabel not in labelCounts.keys():            labelCounts[currentLabel] = 0                labelCounts[currentLabel] += 1                        shannonEnt = 0.0    for key in labelCounts:        prob = float(labelCounts[key])/numEntries        shannonEnt -= prob*log(prob,2)        return shannonEnt

样本数据信息熵：

shan = calcShannonEnt(ds1)print(shan)

0.9402859586706309

3、信息增益

信息增益：用于度量属性A降低样本集合X熵的贡献大小。信息增益越大，越适于对X分类。

def chooseBestFeatureToSplit(dataSet):    numFeatures = len(dataSet[0])-1    baseEntropy = calcShannonEnt(dataSet)    bestInfoGain = 0.0;bestFeature = -1    for i in range(numFeatures):        featList = [example[i] for example in dataSet]        uniqueVals = set(featList)        newEntroy = 0.0        for value in uniqueVals:            subDataSet = splitDataSet(dataSet, i, value)            prop = len(subDataSet)/float(len(dataSet))            newEntroy += prop * calcShannonEnt(subDataSet)        infoGain = baseEntropy - newEntroy        if(infoGain > bestInfoGain):            bestInfoGain = infoGain            bestFeature = i        return bestFeature

以上代码实现了基于信息熵增益的ID3决策树学习算法。其核心逻辑原理是：依次选取属性集中的每一个属性，将样本集按照此属性的取值分割为若干个子集；对这些子集计算信息熵，其与样本的信息熵的差，即为按照此属性分割的信息熵增益；找出所有增益中最大的那一个对应的属性，就是用于分割样本集的属性。

计算样本最佳的分割样本属性，结果显示为第0列，即age属性：

col = chooseBestFeatureToSplit(ds1)col

0

4、构造决策树

def majorityCnt(classList):    classCount = {}    for vote in classList:        if vote not in classCount.keys():classCount[vote] = 0        classCount[vote] += 1    sortedClassCount = sorted(classList.iteritems(),key=operator.itemgetter(1),reverse=True)#利用operator操作键值排序字典    return sortedClassCount[0][0]#创建树的函数    def createTree(dataSet,labels):    classList = [example[-1] for example in dataSet]    if classList.count(classList[0]) == len(classList):        return classList[0]    if len(dataSet[0]) == 1:        return majorityCnt(classList)    bestFeat = chooseBestFeatureToSplit(dataSet)    bestFeatLabel = labels[bestFeat]    myTree = {bestFeatLabel:{}}    del(labels[bestFeat])    featValues = [example[bestFeat] for example in dataSet]    uniqueVals = set(featValues)    for value in uniqueVals:        subLabels = labels[:]        myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), subLabels)            return myTree

majorityCnt函数用于处理一下情况：最终的理想决策树应该沿着决策分支到达最底端时，所有的样本应该都是相同的分类结果。但是真实样本中难免会出现所有属性一致但分类结果不一样的情况，此时majorityCnt将这类样本的分类标签都调整为出现次数最多的那一个分类结果。

createTree是核心任务函数，它对所有的属性依次调用ID3信息熵增益算法进行计算处理，最终生成决策树。

5、实例化构造决策树

利用样本数据构造决策树：

Tree = createTree(ds1, lab)print("样本数据决策树：")print(Tree)

样本数据决策树：
{&lsquo;age&rsquo;: {0: {&lsquo;job&rsquo;: {0: &lsquo;N&rsquo;, 1: &lsquo;Y&rsquo;}},
1: &lsquo;Y&rsquo;,
2: {&lsquo;credit&rsquo;: {0: &lsquo;Y&rsquo;, 1: &lsquo;N&rsquo;}}}}

6、测试样本分类

给出一个新的用户信息，判断ta是否购买某一产品：

def classify(inputtree,featlabels,testvec):    firststr = list(inputtree.keys())[0]    seconddict = inputtree[firststr]    featindex = featlabels.index(firststr)    for key in seconddict.keys():        if testvec[featindex]==key:            if type(seconddict[key]).__name__=='dict':                classlabel=classify(seconddict[key],featlabels,testvec)            else:                classlabel=seconddict[key]    return classlabel

labels=['age','income','job','credit']tsvec=[0,0,1,1]print('result:',classify(Tree,labels,tsvec))tsvec1=[0,2,0,1]print('result1:',classify(Tree,labels,tsvec1))

result: Y
result1: N

后置信息：绘制决策树代码

以下代码用于绘制决策树图形，非决策树算法重点，有兴趣可参考学习

import matplotlib.pyplot as pltdecisionnode = dict(box, fc="0.8")leafNode = dict(box, fc="0.8")arrow_args = dict(arrow)#获取叶节点的数目def getNumLeafs(myTree):    numLeafs = 0    firstStr = list(myTree.keys())[0]    secondDict = myTree[firstStr]    for key in secondDict.keys():        if type(secondDict[key]).__name__=='dict':#测试节点的数据是否为字典，以此判断是否为叶节点            numLeafs += getNumLeafs(secondDict[key])        else:   numLeafs +=1    return numLeafs#获取树的层数def getTreeDepth(myTree):    maxDepth = 0    firstStr = list(myTree.keys())[0]    secondDict = myTree[firstStr]    for key in secondDict.keys():        if type(secondDict[key]).__name__=='dict':#测试节点的数据是否为字典，以此判断是否为叶节点            thisDepth = 1 + getTreeDepth(secondDict[key])        else:   thisDepth = 1        if thisDepth > maxDepth: maxDepth = thisDepth    return maxDepth#绘制节点def plotNode(nodeTxt, centerPt, parentPt, nodeType):    createPlot.ax1.annotate(nodeTxt, xy=parentPt,  xycoords='axes fraction',             xytext=centerPt, textcoords='axes fraction',             va="center", ha="center", bbox=nodeType, arrowprops=arrow_args )#绘制连接线  def plotMidText(cntrPt, parentPt, txtString):    xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0]    yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]    createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)#绘制树结构  def plotTree(myTree, parentPt, nodeTxt):#if the first key tells you what feat was split on    numLeafs = getNumLeafs(myTree)  #this determines the x width of this tree    depth = getTreeDepth(myTree)    firstStr = list(myTree.keys())[0]     #the text label for this node should be this    cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff)    plotMidText(cntrPt, parentPt, nodeTxt)    plotNode(firstStr, cntrPt, parentPt, decisionNode)    secondDict = myTree[firstStr]    plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD    for key in secondDict.keys():        if type(secondDict[key]).__name__=='dict':#test to see if the nodes are dictonaires, if not they are leaf nodes               plotTree(secondDict[key],cntrPt,str(key))        #recursion        else:   #it's a leaf node print the leaf node            plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW            plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)            plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))    plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD#创建决策树图形    def createPlot(inTree):    fig = plt.figure(1, facecolor='white')    fig.clf()    axprops = dict(xticks=[], yticks=[])    createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)    #no ticks    #createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses     plotTree.totalW = float(getNumLeafs(inTree))    plotTree.totalD = float(getTreeDepth(inTree))    plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0;    plotTree(inTree, (0.5,1.0), '')    plt.savefig('决策树.png',dpi=300,bbox_inches='tight')    plt.show()

以上就是“Python如何实现决策树分类算法”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注编程网Python频道。