阿里云云服务器 网站配置,图表设计网站,wordpress加图片,网页设计教程与实训要对数据的复杂关系建模#xff0c;可以借用树结构来帮助切分数据#xff0c;如何实现数据的切分#xff1f;怎样才能知道是否已经充分切分#xff1f;这些问题的答案取决于叶节点的建模方式。回归树假设叶节点是常数值#xff0c;这种策略认为数据中的复杂关系可以用树结…要对数据的复杂关系建模可以借用树结构来帮助切分数据如何实现数据的切分怎样才能知道是否已经充分切分这些问题的答案取决于叶节点的建模方式。回归树假设叶节点是常数值这种策略认为数据中的复杂关系可以用树结构来概括
为成功构建以分段常数为叶节点的树需要度量出数据的一致性。事实上在数据集上计算混乱度是非常简单的首先计算所有数据的均值然后计算每条数据的值到均值的差值。为了对正负值差同等看待一般使用绝对值或平方值来代替上述差值。
构建树
构建回归树需要补充一些新的代码。给定某个误差计算方法该函数会找到数据集上最佳的二元切分方式。另外该函数还要确定什么时候停止切分一旦停止切分会生成一个叶节点。因此函数只需要完成两件事用最佳方式切分数据集和生成相应的叶节点。
下面的代码中chooseBestSplit()最复杂该函数的目标是找到数据集切分的最佳位置。它遍历所有的特征及其可能的取值来找到使误差最小化的切分阈值。该函数的伪代码大致如下 对每个特征 对每个特征值 将数据集切分成两份 计算切分的误差 如果当前误差小于当前最小误差那么将当前切分设定为最佳切分并更新最小误差 返回最佳切分的特征和阈值 具体实现代码
def binSplitDataSet(dataSet,feature,value):mat0dataSet[nonzero(dataSet[:,feature]value)[0],:][0]mat1dataSet[nonzero(dataSet[:,feature]value)[0],:][0]return mat0,mat1def regLeaf(dataSet):# 负责生成叶节点。当chooseBestSplit()函数确定不再对数据进行切分时调用本函数来得到叶节点的模型在回归树中该模型其实就是目标变量的均值return mean(dataSet[:,-1])def regErr(dataSet):#在给定数据上计算目标变量的平方误差。return var(dataSet[:,-1])*shape(dataSet)[0]def chooseBestSplit(dataSet,leafTyperegLeaf,errTyperegErr,ops(1,4)):#回归树构建的核心函数目的是找到数据的最佳二元切分方式。#如果找不到一个好的二元切分返回None并同时调用createTree()来产生叶节点叶节点的值也会返回None#tolS和tolN是用户指定的参数用于控制函数的停止时机。其中tolS是容许的误差下降值tolN是切分的最小样本数。tolSops[0]tolNops[1]if len(set(dataSet[:,-1].T.tolist()[0]))1:#如果剩余特征的数目为1那么就不需要再切分而直接返回return None,leafType(dataSet)m,nshape(dataSet)SerrType(dataSet)bestSinfbestIndex0bestValue0for featIndex in range(n-1):for splitVal in set(dataSet[:,featIndex]):mat0,mat1binSplitDataSet(dataSet,featIndex,splitVal)if (shape(mat0)[0]tolN) or (shape(mat1)[0]tolN):continuenewSerrType(mat0)errType(mat1)if newSbestS:bestIndexfeatIndexbestValuesplitValbestSnewSif (S-bestS)tolS:#如果切分数据集后效果提升不够大那么就不进行切分操作而直接创建叶节点return None,leafType(dataSet)mat0,mat1binSplitDataSet(dataSet,bestIndex,bestValue)if (shape(mat0)[0]tolN) or (shape(mat1)[0]tolN):return bestIndex,bestValue
