机器学习之决策树二-C4.5原理与代码实现
决策树之系列二—C4.5原理与代码实现
本文系作者原创,转载请注明出处:https://www.cnblogs.com/further-further-further/p/9435712.html
ID3算法缺点
它一般会优先选择有较多属性值的Feature,因为属性值多的特征会有相对较大的信息增益,信息增益反映的是,在给定一个条件以后,不确定性减少的程度,
这必然是分得越细的数据集确定性更高,也就是条件熵越小,信息增益越大。为了解决这个问题,C4.5就应运而生,它采用信息增益率来作为选择分支的准则。
C4.5算法原理
信息增益率定义为:
其中,分子为信息增益(信息增益计算可参考上一节ID3的算法原理),分母为属性X的熵。
需要注意的是,增益率准则对可取值数目较少的属性有所偏好。
所以一般这样选取划分属性:选择增益率最高的特征列作为划分属性的依据。
代码实现
与ID3代码实现不同的是:只改变计算香农熵的函数calcShannonEnt,以及选择最优特征索引函数chooseBestFeatureToSplit,具体代码如下:
- # -*- coding: utf-8 -*-
- """
- Created on Thu Aug 2 17:09:34 2018
- 决策树ID3,C4.5的实现
- @author: weixw
- """
- from math import log
- import operator
- #原始数据
- def createDataSet():
- dataSet = [[1, 1, 'yes'],
- [1, 1, 'yes'],
- [1, 0, 'no'],
- [0, 1, 'no'],
- [0, 1, 'no']]
- labels = ['no surfacing','flippers']
- return dataSet, labels
- #多数表决器
- #列中相同值数量最多为结果
- def majorityCnt(classList):
- classCounts = {}
- for value in classList:
- if(value not in classCounts.keys()):
- classCounts[value] = 0
- classCounts[value] +=1
- sortedClassCount = sorted(classCounts.iteritems(),key = operator.itemgetter(1),reverse =True)
- return sortedClassCount[0][0]
- #划分数据集
- #dataSet:原始数据集
- #axis:进行分割的指定列索引
- #value:指定列中的值
- def splitDataSet(dataSet,axis,value):
- retDataSet= []
- for featDataVal in dataSet:
- if featDataVal[axis] == value:
- #下面两行去除某一项指定列的值,很巧妙有没有
- reducedFeatVal = featDataVal[:axis]
- reducedFeatVal.extend(featDataVal[axis+1:])
- retDataSet.append(reducedFeatVal)
- return retDataSet
- #计算香农熵
- #columnIndex = -1表示获取数据集每一项的最后一列的标签值
- #其他表示获取特征列
- def calcShannonEnt(columnIndex, dataSet):
- #数据集总项数
- numEntries = len(dataSet)
- #标签计数对象初始化
- labelCounts = {}
- for featDataVal in dataSet:
- #获取数据集每一项的最后一列的标签值
- currentLabel = featDataVal[columnIndex]
- #如果当前标签不在标签存储对象里,则初始化,然后计数
- if currentLabel not in labelCounts.keys():
- labelCounts[currentLabel] = 0
- labelCounts[currentLabel] += 1
- #熵初始化
- shannonEnt = 0.0
- #遍历标签对象,求概率,计算熵
- for key in labelCounts.keys():
- prop = labelCounts[key]/float(numEntries)
- shannonEnt -= prop*log(prop,2)
- return shannonEnt
- #通过信息增益,选出最优特征列索引(ID3)
- def chooseBestFeatureToSplit(dataSet):
- #计算特征个数,dataSet最后一列是标签属性,不是特征量
- numFeatures = len(dataSet[0])-1
- #计算初始数据香农熵
- baseEntropy = calcShannonEnt(-1, dataSet)
- #初始化信息增益,最优划分特征列索引
- bestInfoGain = 0.0
- bestFeatureIndex = -1
- for i in range(numFeatures):
- #获取每一列数据
- featList = [example[i] for example in dataSet]
- #将每一列数据去重
- uniqueVals = set(featList)
- newEntropy = 0.0
- for value in uniqueVals:
- subDataSet = splitDataSet(dataSet,i,value)
- #计算条件概率
- prob = len(subDataSet)/float(len(dataSet))
- #计算条件熵
- newEntropy +=prob*calcShannonEnt(-1, subDataSet)
- #计算信息增益
- infoGain = baseEntropy - newEntropy
- if(infoGain > bestInfoGain):
- bestInfoGain = infoGain
- bestFeatureIndex = i
- return bestFeatureIndex
- #通过信息增益率,选出最优特征列索引(C4.5)
- def chooseBestFeatureToSplitOfFurther(dataSet):
- #计算特征个数,dataSet最后一列是标签属性,不是特征量
- numFeatures = len(dataSet[0])-1
- #计算初始数据香农熵H(Y)
- baseEntropy = calcShannonEnt(-1, dataSet)
- #初始化信息增益,最优划分特征列索引
- bestInfoGainRatio = 0.0
- bestFeatureIndex = -1
- for i in range(numFeatures):
- #获取每一特征列香农熵H(X)
- featEntropy = calcShannonEnt(i, dataSet)
- #获取每一列数据
- featList = [example[i] for example in dataSet]
- #将每一列数据去重
- uniqueVals = set(featList)
- newEntropy = 0.0
- for value in uniqueVals:
- subDataSet = splitDataSet(dataSet,i,value)
- #计算条件概率
- prob = len(subDataSet)/float(len(dataSet))
- #计算条件熵
- newEntropy +=prob*calcShannonEnt(-1, subDataSet)
- #计算信息增益
- infoGain = baseEntropy - newEntropy
- #计算信息增益率
- infoGainRatio = infoGain/float(featEntropy)
- if(infoGainRatio > bestInfoGainRatio):
- bestInfoGainRatio = infoGainRatio
- bestFeatureIndex = i
- return bestFeatureIndex
- #决策树创建
- def createTree(dataSet,labels):
- #获取标签属性,dataSet最后一列,区别于labels标签名称
- classList = [example[-1] for example in dataSet]
- #树极端终止条件判断
- #标签属性值全部相同,返回标签属性第一项值
- if classList.count(classList[0]) == len(classList):
- return classList[0]
- #没有特征,只有标签列(1列)
- if len(dataSet[0]) == 1:
- #返回实例数最大的类
- return majorityCnt(classList)
- # #获取最优特征列索引ID3
- # bestFeatureIndex = chooseBestFeatureToSplit(dataSet)
- #获取最优特征列索引C4.5
- bestFeatureIndex = chooseBestFeatureToSplitOfFurther(dataSet)
- #获取最优索引对应的标签名称
- bestFeatureLabel = labels[bestFeatureIndex]
- #创建根节点
- myTree = {bestFeatureLabel:{}}
- #去除最优索引对应的标签名,使labels标签能正确遍历
- del(labels[bestFeatureIndex])
- #获取最优列
- bestFeature = [example[bestFeatureIndex] for example in dataSet]
- uniquesVals = set(bestFeature)
- for value in uniquesVals:
- #子标签名称集合
- subLabels = labels[:]
- #递归
- myTree[bestFeatureLabel][value] = createTree(splitDataSet(dataSet,bestFeatureIndex,value),subLabels)
- return myTree
- #获取分类结果
- #inputTree:决策树字典
- #featLabels:标签列表
- #testVec:测试向量 例如:简单实例下某一路径 [1,1] => yes(树干值组合,从根结点到叶子节点)
- def classify(inputTree,featLabels,testVec):
- #获取根结点名称,将dict转化为list
- firstSide = list(inputTree.keys())
- #根结点名称String类型
- firstStr = firstSide[0]
- #获取根结点对应的子节点
- secondDict = inputTree[firstStr]
- #获取根结点名称在标签列表中对应的索引
- featIndex = featLabels.index(firstStr)
- #由索引获取向量表中的对应值
- key = testVec[featIndex]
- #获取树干向量后的对象
- valueOfFeat = secondDict[key]
- #判断是子结点还是叶子节点:子结点就回调分类函数,叶子结点就是分类结果
- #if type(valueOfFeat).__name__=='dict': 等价 if isinstance(valueOfFeat, dict):
- if isinstance(valueOfFeat, dict):
- classLabel = classify(valueOfFeat,featLabels,testVec)
- else:
- classLabel = valueOfFeat
- return classLabel
- #将决策树分类器存储在磁盘中,filename一般保存为txt格式
- def storeTree(inputTree,filename):
- import pickle
- fw = open(filename,'wb+')
- pickle.dump(inputTree,fw)
- fw.close()
- #将瓷盘中的对象加载出来,这里的filename就是上面函数中的txt文件
- def grabTree(filename):
- import pickle
- fr = open(filename,'rb')
- return pickle.load(fr)
决策树算法
- '''
- Created on Oct 14, 2010
- @author: Peter Harrington
- '''
- import matplotlib.pyplot as plt
- decisionNode = dict(boxstyle="sawtooth", fc="0.8")
- leafNode = dict(boxstyle="round4", fc="0.8")
- arrow_args = dict(arrowstyle="<-")
- #获取树的叶子节点
- def getNumLeafs(myTree):
- numLeafs = 0
- #dict转化为list
- firstSides = list(myTree.keys())
- firstStr = firstSides[0]
- secondDict = myTree[firstStr]
- for key in secondDict.keys():
- #判断是否是叶子节点(通过类型判断,子类不存在,则类型为str;子类存在,则为dict)
- if type(secondDict[key]).__name__=='dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
- numLeafs += getNumLeafs(secondDict[key])
- else: numLeafs +=1
- return numLeafs
- #获取树的层数
- def getTreeDepth(myTree):
- maxDepth = 0
- #dict转化为list
- firstSides = list(myTree.keys())
- firstStr = firstSides[0]
- secondDict = myTree[firstStr]
- 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
- thisDepth = 1 + getTreeDepth(secondDict[key])
- else: thisDepth = 1
- if thisDepth > maxDepth: maxDepth = thisDepth
- return maxDepth
- 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 )
- 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)
- 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)
- firstSides = list(myTree.keys())
- firstStr = firstSides[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
- #if you do get a dictonary you know it's a tree, and the first element will be another dict
- #绘制决策树
- 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.show()
- #绘制树的根节点和叶子节点(根节点形状:长方形,叶子节点:椭圆形)
- #def createPlot():
- # fig = plt.figure(1, facecolor='white')
- # fig.clf()
- # createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
- # plotNode('a decision node', (0.5, 0.1), (0.1, 0.5), decisionNode)
- # plotNode('a leaf node', (0.8, 0.1), (0.3, 0.8), leafNode)
- # plt.show()
- def retrieveTree(i):
- listOfTrees =[{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}},
- {'no surfacing': {0: 'no', 1: {'flippers': {0: {'head': {0: 'no', 1: 'yes'}}, 1: 'no'}}}}
- ]
- return listOfTrees[i]
- #thisTree = retrieveTree(0)
- #createPlot(thisTree)
- #createPlot()
- #myTree = retrieveTree(0)
- #numLeafs =getNumLeafs(myTree)
- #treeDepth =getTreeDepth(myTree)
- #print(u"叶子节点数目:%d"% numLeafs)
- #print(u"树深度:%d"%treeDepth)
绘制决策树
- # -*- coding: utf-8 -*-
- """
- Created on Fri Aug 3 19:52:10 2018
- @author: weixw
- """
- import myTrees as mt
- import treePlotter as tp
- #测试
- dataSet, labels = mt.createDataSet()
- #copy函数:新开辟一块内存,然后将list的所有值复制到新开辟的内存中
- labels1 = labels.copy()
- #createTree函数中将labels1的值改变了,所以在分类测试时不能用labels1
- myTree = mt.createTree(dataSet,labels1)
- #保存树到本地
- mt.storeTree(myTree,'myTree.txt')
- #在本地磁盘获取树
- myTree = mt.grabTree('myTree.txt')
- print(u"采用C4.5算法的决策树结果")
- print (u"决策树结构:%s"%myTree)
- #绘制决策树
- print(u"绘制决策树:")
- tp.createPlot(myTree)
- numLeafs =tp.getNumLeafs(myTree)
- treeDepth =tp.getTreeDepth(myTree)
- print(u"叶子节点数目:%d"% numLeafs)
- print(u"树深度:%d"%treeDepth)
- #测试分类 简单样本数据3列
- labelResult =mt.classify(myTree,labels,[1,1])
- print(u"[1,1] 测试结果为:%s"%labelResult)
- labelResult =mt.classify(myTree,labels,[1,0])
- print(u"[1,0] 测试结果为:%s"%labelResult)
测试
运行结果
不要让懒惰占据你的大脑,不要让妥协拖垮你的人生。青春就是一张票,能不能赶上时代的快车,你的步伐掌握在你的脚下。
机器学习之决策树二-C4.5原理与代码实现的更多相关文章
- 机器学习之决策树三-CART原理与代码实现
决策树系列三—CART原理与代码实现 本文系作者原创,转载请注明出处:https://www.cnblogs.com/further-further-further/p/9482885.html ID ...
- 机器学习之决策树一-ID3原理与代码实现
决策树之系列一ID3原理与代码实现 本文系作者原创,转载请注明出处:https://www.cnblogs.com/further-further-further/p/9429257.html 应用实 ...
- 深入了解机器学习决策树模型——C4.5算法
本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是机器学习专题的第22篇文章,我们继续决策树的话题. 上一篇文章当中介绍了一种最简单构造决策树的方法--ID3算法,也就是每次选择一个特 ...
- 图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二)
项目链接:https://aistudio.baidu.com/aistudio/projectdetail/4990947?contributionType=1 欢迎fork欢迎三连!文章篇幅有限, ...
- 《机器学习_09_01_决策树_ID3与C4.5》
简介 先看一个例子,某银行是否给用户放贷的判断规则集如下: if 年龄==青年: if 有工作==是: if 信贷情况==非常好: 放 else: 不放 else: if 有自己的房子==是: if ...
- 机器学习之决策树(ID3)算法与Python实现
机器学习之决策树(ID3)算法与Python实现 机器学习中,决策树是一个预测模型:他代表的是对象属性与对象值之间的一种映射关系.树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每 ...
- python机器学习实战(二)
python机器学习实战(二) 版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/7159775.html 前言 这篇noteboo ...
- 决策树之C4.5算法
决策树之C4.5算法 一.C4.5算法概述 C4.5算法是最常用的决策树算法,因为它继承了ID3算法的所有优点并对ID3算法进行了改进和补充. 改进有如下几个要点: 用信息增益率来选择属性,克服了ID ...
- 机器学习之AdaBoost原理与代码实现
AdaBoost原理与代码实现 本文系作者原创,转载请注明出处: https://www.cnblogs.com/further-further-further/p/9642899.html 基本思路 ...
随机推荐
- 书籍推荐Python编程:从入门到实践(高清完整pdf)
这本书我看了电子版的,感觉还不错,全书共有20章,书中的简介如下: 本书旨在让你尽快学会 Python ,以便能够编写能正确运行的程序 -- 游戏.数据可视化和 Web 应用程序,同时掌握让你终身受益 ...
- css 滚动视差 之 水波纹效果
核心属性: background-attachment 这个属性就牛逼了, 它可以定义背景图片是相对视口固定, 还是随着视口滚动, 加上这个属性网页瞬间就从屌丝变成 高大上. 我们来看个例子: htm ...
- 重磅!!!微软发布ASP.NET Core 2.2,先睹为快。
我很高兴地宣布ASP.NET Core 2.2现在作为.NET Core 2.2的一部分提供! 如何获取? 您可以从.NET Core 2.2下载页面下载适用于您的开发机器和构建服务器的新.NET C ...
- KnockoutJS知识规整目录
对于Web开发来讲,前端接触是避免不了的,特别是对于中小公司,没有严格的职位区分,前后端人员互相身兼是常有的事情,使用一些好的框架,能够帮助我们快速开发并完成需要的功能,对于前端的JS框架来讲MVVM ...
- 微服务(入门二):netcore通过consul注册服务
基础准备 1.创建asp.net core Web 应用程序选择Api 2.appsettings.json 配置consul服务器地址,以及本机ip和端口号信息 { "Logging&qu ...
- Springboot文件上传代码笔记
1.在src下创建filter包,包内Class名UploadFilter package com.gd.filter; import org.apache.catalina.servlet4prev ...
- Docker入门(三)使用Docker Compose
Compose介绍 Compose 项目是 Docker 官方的开源项目,负责实现对 Docker 容器集群的快速编排.Compose 是一个用户定义和运行多个容器的 Docker 应用程序.在 ...
- 第65章 博客帖子 - Identity Server 4 中文文档(v1.0.0)
第65章 博客帖子 65.1 团队帖子 65.1.1 2019 IdentityServer中的范围和声明设计 尝试使用IdentityServer4的设备流程 OAuth2中隐含流的状态 另一种保护 ...
- SpringBoot整合SpringCloud搭建分布式应用
什么是SpringCloud? SpringCloud是一个分布式的整体解决方案.SpringCloud为开发者提供了在分布式系统中快速构建的工具,使用SpringCloud可以快速的启动服务或构建应 ...
- 【代码总结● Swing中的一些操作与设置】
Swing中设置关闭窗口验证与添加背景图片 package com.swing.test; import java.awt.EventQueue; import java.awt.Image; imp ...