个人中心
gpt4 book ai didi

Python实现决策树C4.5算法的示例

转载 作者：qq735679552 更新时间：2022-09-27 22:32:09 31 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python实现决策树C4.5算法的示例由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

为什么要改进成C4.5算法 。

原理 。

C4.5算法是在ID3算法上的一种改进，它与ID3算法最大的区别就是特征选择上有所不同，一个是基于信息增益比，一个是基于信息增益.

之所以这样做是因为信息增益倾向于选择取值比较多的特征(特征越多，条件熵(特征划分后的类别变量的熵)越小，信息增益就越大)；因此在信息增益下面加一个分母，该分母是当前所选特征的熵，注意：这里而不是类别变量的熵了.

这样就构成了新的特征选择准则，叫做信息增益比。为什么加了这样一个分母就会消除ID3算法倾向于选择取值较多的特征呢?

因为特征取值越多，该特征的熵就越大，分母也就越大，所以信息增益比就会减小，而不是像信息增益那样增大了，一定程度消除了算法对特征取值范围的影响.

实现 。

在算法实现上，C4.5算法只是修改了信息增益计算的函数calcShannonEntOfFeature和最优特征选择函数chooseBestFeatureToSplit.

calcShannonEntOfFeature在ID3的calcShannonEnt函数上加了个参数feat，ID3中该函数只用计算类别变量的熵，而calcShannonEntOfFeature可以计算指定特征或者类别变量的熵.

chooseBestFeatureToSplit函数在计算好信息增益后，同时计算了当前特征的熵IV，然后相除得到信息增益比，以最大信息增益比作为最优特征.

在划分数据的时候，有可能出现特征取同一个值，那么该特征的熵为0，同时信息增益也为0(类别变量划分前后一样，因为特征只有一个取值)，0/0没有意义，可以跳过该特征.

Python实现决策树C4.5算法的示例

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
#coding=utf-8
import operator
from math import log
import time
import os, sys
import string
 
def createDataSet(trainDataFile):
  print trainDataFile
  dataSet = []
  try :
  fin = open (trainDataFile)
  for line in fin:
   line = line.strip()
   cols = line.split( '\t' )
   row = [cols[ 1 ], cols[ 2 ], cols[ 3 ], cols[ 4 ], cols[ 5 ], cols[ 6 ], cols[ 7 ], cols[ 8 ], cols[ 9 ], cols[ 10 ], cols[ 0 ]]
   dataSet.append(row)
   #print row
  except :
  print 'Usage xxx.py trainDataFilePath'
  sys.exit()
  labels = [ 'cip1' , 'cip2' , 'cip3' , 'cip4' , 'sip1' , 'sip2' , 'sip3' , 'sip4' , 'sport' , 'domain' ]
  print 'dataSetlen' , len (dataSet)
  return dataSet, labels
 
#calc shannon entropy of label or feature
def calcShannonEntOfFeature(dataSet, feat):
  numEntries = len (dataSet)
  labelCounts = {}
  for feaVec in dataSet:
  currentLabel = feaVec[feat]
  if currentLabel not in labelCounts:
   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
 
def splitDataSet(dataSet, axis, value):
  retDataSet = []
  for featVec in dataSet:
  if featVec[axis] = = value:
   reducedFeatVec = featVec[:axis]
   reducedFeatVec.extend(featVec[axis + 1 :])
   retDataSet.append(reducedFeatVec)
  return retDataSet
 
def chooseBestFeatureToSplit(dataSet):
  numFeatures = len (dataSet[ 0 ]) - 1 #last col is label
  baseEntropy = calcShannonEntOfFeature(dataSet, - 1 )
  bestInfoGainRate = 0.0
  bestFeature = - 1
  for i in range (numFeatures):
  featList = [example[i] for example in dataSet]
  uniqueVals = set (featList)
  newEntropy = 0.0
  for value in uniqueVals:
   subDataSet = splitDataSet(dataSet, i, value)
   prob = len (subDataSet) / float ( len (dataSet))
   newEntropy + = prob * calcShannonEntOfFeature(subDataSet, - 1 ) #calc conditional entropy
  infoGain = baseEntropy - newEntropy
  　　 iv = calcShannonEntOfFeature(dataSet, i)
  if (iv = = 0 ): #value of the feature is all same,infoGain and iv all equal 0, skip the feature
  continue
  　　 infoGainRate = infoGain / iv
  if infoGainRate > bestInfoGainRate:
   bestInfoGainRate = infoGainRate
   bestFeature = i
  return bestFeature
  
#feature is exhaustive, reture what you want label
def majorityCnt(classList):
  classCount = {}
  for vote in classList:
  if vote not in classCount.keys():
   classCount[vote] = 0
  classCount[vote] + = 1
  return max (classCount) 
 
def createTree(dataSet, labels):
  classList = [example[ - 1 ] for example in dataSet]
  if classList.count(classList[ 0 ]) = = len (classList): #all data is the same label
  return classList[ 0 ]
  if len (dataSet[ 0 ]) = = 1 : #all feature is exhaustive
  return majorityCnt(classList)
  bestFeat = chooseBestFeatureToSplit(dataSet)
  bestFeatLabel = labels[bestFeat]
  if (bestFeat = = - 1 ): #特征一样，但类别不一样，即类别与特征不相关，随机选第一个类别做分类结果
  return classList[ 0 ]
  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
 
def main():
  if ( len (sys.argv) < 3 ):
  print 'Usage xxx.py trainSet outputTreeFile'
  sys.exit()
  data,label = createDataSet(sys.argv[ 1 ])
  t1 = time.clock()
  myTree = createTree(data,label)
  t2 = time.clock()
  fout = open (sys.argv[ 2 ], 'w' )
  fout.write( str (myTree))
  fout.close()
  print 'execute for ' ,t2 - t1
if __name__ = = '__main__' :
  main()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://www.cnblogs.com/vincent-vg/p/6745275.html 。

最后此篇关于Python实现决策树C4.5算法的示例的文章就讲到这里了,如果你想了解更多关于Python实现决策树C4.5算法的示例的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

31 4 0
文章推荐： opencv 图像礼帽和图像黑帽的实现
文章推荐： Django使用详解:ORM 的反向查找(related_name)
文章推荐： PyTorch: Softmax多分类实战操作
文章推荐： python实现决策树ID3算法的示例代码
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com