【机器学习算法-python实现】决策树-Decision tree（2）决策树的实现

浏览数：91 / 时间：2015年06月08日

(转载请注明出处：http://blog.csdn.net/buptgshengod)

1.背景

接着上一节说，没看到请先看一下上一节关于数据集的划分数据集划分。如今我们得到了每一个特征值得信息熵增益，我们依照信息熵增益的从大到校的顺序，安排排列为二叉树的节点。数据集和二叉树的图见下。

（二叉树的图是用python的matplotlib库画出来的）

数据集：

决策树：

2.代码实现部分

由于上一节，我们通过chooseBestFeatureToSplit函数已经能够确定当前数据集中的信息熵最大的那个特征值。我们将最大的那个作为决策树的父节点，这样递归下去就能够了。

主要函数：详见凝视

def createTree(dataSet,labels):
    #把全部目标指数放在这个list里
    classList = [example[-1] for example in dataSet]
    #以下两个if是递归停止条件，各自是list中都是同样的指标或者指标就剩一个。
    if classList.count(classList[0]) == len(classList): 
        return classList[0]
    if len(dataSet[0]) == 1: 
        return majorityCnt(classList)
    #获得信息熵增益最大的特征值
    bestFeat = chooseBestFeatureToSplit(dataSet)
    bestFeatLabel = labels[bestFeat]   
    #将决策树存在字典中
    myTree = {bestFeatLabel:{}}
    #labels删除当前使用完的特征值的label
    del(labels[bestFeat])
    featValues = [example[bestFeat] for example in dataSet]
    uniqueVals = set(featValues)
    #递归输出决策树
    for value in uniqueVals:       
        subLabels = labels[:]       #copy all of labels, so trees don‘t mess up existing labels
       
        myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value),subLabels)
    return myTree

打印出来的决策树：{‘throat‘: {0: {‘mustache‘: {0: ‘women‘, 1: ‘man‘}}, 1: ‘man‘}}

以下就是怎样是用建立好的决策树。我们建立函数

inputTree：是输入的决策树对象
featLabels：是我们要预測的特征值得label，如：[‘throat‘,‘mustache‘]
testVec:是要预測的特征值向量，如[0,0]
def classify(inputTree,featLabels,testVec):
    #存储决策树第一个节点
    firstStr = inputTree.keys()[0]
    #将第一个节点的值存到secondDict字典中
    secondDict = inputTree[firstStr]
    #建立索引，知道相应到第几种特征值
    featIndex = featLabels.index(firstStr)
    key = testVec[featIndex]
    valueOfFeat = secondDict[key]
    #对照，推断当前的键值是否是一个dict类型，假设是就递归，不是就输出当前键值为结果
    if isinstance(valueOfFeat, dict): 
        classLabel = classify(valueOfFeat, featLabels, testVec)
    else: classLabel = valueOfFeat
    return classLabel

測验：当我们输入classify(mtree,[‘throat‘,‘mustache‘],[0,0])时，显示结果是women，表明没有喉结和胡子是女人。