麦包包的网站建设分析,wordpress微信设置密码,青岛做网页设计,开发公司交房前期的各项准备工作第六章.决策树(Decision Tree) 6.1 ID3算法,C4.5算法 1.决策树适用的数据类型 比较适合分析离散数据#xff0c;如果是连续数据要先转换成离散数据再做分析 2.信息熵
1).概念#xff1a;
一条信息的信息量大小和它的不确定性有直接的关系#xff0c;要搞清楚一件非常不确… 第六章.决策树(Decision Tree) 6.1 ID3算法,C4.5算法 1.决策树适用的数据类型 比较适合分析离散数据如果是连续数据要先转换成离散数据再做分析 2.信息熵
1).概念
一条信息的信息量大小和它的不确定性有直接的关系要搞清楚一件非常不确定的事情(或者是我们一无所知的事情)需要了解大量信息-信息量的度量就等于不确定性的多少
2).公式 3).示例 示例1 假设有一个普通骰子A扔出1-6的概率都是1/6骰子B扔出1-5的概率为10%扔出6的概率为50%骰子C扔出6的概率为100% 计算 ①.骰子A: ②.骰子B: ③.骰子C: 3.ID3算法
决策树会选择最大化信息增益来对结点进行划分。
1).信息增益计算公式 2).公式示例 分析: 计算: 说明: ①.9/14,5/14对应Classbuys_computer那一列。
3).ID3算法示例
·AllElectronics.csv中的数据: ·代码:
from sklearn.feature_extraction import DictVectorizer
from sklearn import tree
from sklearn import preprocessing
import graphviz
import csv# 导入数据
DTree open(rD:\\data\\AllElectronics.csv, r)
reader csv.reader(DTree)#使用import csv是因为表格中含有很多字符# 获取第一行数据
headers reader.__next__()
# print(headers)# 定义两个列表
featureList []
labelList []for row in reader:# 把Label存入ListlabelList.append(row[-1])rowDict {}for i in range(1, len(row) - 1):# 建立一个数据字典rowDict[headers[i]] row[i]featureList.append(rowDict)# print(featureList)# 把数据转换成01表示
vec DictVectorizer()
x_data vec.fit_transform(featureList).toarray()
# print(x_data: str(x_data))# 打印属性名称
feature_names vec.get_feature_names_out()
# print(feature_names)# 打印标签
# print(labelList: str(labelList))# 把标签转换成01表示
lb preprocessing.LabelBinarizer()
y_data lb.fit_transform(labelList)
# print(y_datastr(y_data))# 创建并拟合模型
DTree_model tree.DecisionTreeClassifier(criterionentropy)
DTree_model.fit(x_data, y_data)# 测试
x_test x_data[0]
print(x_test: str(x_test))predictions DTree_model.predict(x_test.reshape(1, -1))#变成二维数据
print(predict: str(predictions))# 导出决策树
dot_data tree.export_graphviz(DTree_model, out_fileNone, feature_namesfeature_names, class_nameslb.classes_,filledTrue, roundedTrue, special_charactersTrue)graph graphviz.Source(dot_data)
graph.render(computer)
·结果展示: (文件会保存在运行目录下) 4.C4.5算法
ID3算法存在的缺陷信息增益的方法倾向于首先选择因子数较多的变量。C4.5算法是ID3算法的优化版本。
1).信息增益的改进-增益率
