决策树的构造（代码）
作者：互联网
1 from matplotlib.font_manager import FontProperties
2 import matplotlib.pyplot as plt
3 from math import log
4 import operator
5 import pickle
6 """
7 函数说明:计算给定数据集的经验熵(香农熵)
8 Parameters:
9 dataSet - 数据集
10 Returns:
11 shannonEnt - 经验熵(香农熵)
12
13 函数说明:创建测试数据集
14 Parameters:
15 无
16 Returns:
17 dataSet - 数据集
18 labels - 分类属性
19 """
20 def createDataSet():
21 dataSet = [[0, 0, 0, 0, 'no'], #数据集
22 [0, 0, 0, 1, 'no'],
23 [0, 1, 0, 1, 'yes'],
24 [0, 1, 1, 0, 'yes'],
25 [0, 0, 0, 0, 'no'],
26 [1, 0, 0, 0, 'no'],
27 [1, 0, 0, 1, 'no'],
28 [1, 1, 1, 1, 'yes'],
29 [1, 0, 1, 2, 'yes'],
30 [1, 0, 1, 2, 'yes'],
31 [2, 0, 1, 2, 'yes'],
32 [2, 0, 1, 1, 'yes'],
33 [2, 1, 0, 1, 'yes'],
34 [2, 1, 0, 2, 'yes'],
35 [2, 0, 0, 0, 'no']]
36 labels = ['年龄', '有工作', '有自己的房子', '信贷情况'] #分类属性
37 return dataSet, labels #返回数据集和分类属性
38
39 '''
40 函数说明:按照给定特征划分数据集
41 Parameters:
42 dataSet - 待划分的数据集
43 axis - 划分数据集的特征
44 value - 需要返回的特征的值
45 '''
46 def calcShannonEnt(dataSet):
47 numEntires = len(dataSet) #返回数据集的行数
48 labelCounts = {} #保存每个标签(Label)出现次数的字典
49 for featVec in dataSet: #对每组特征向量进行统计
50 currentLabel = featVec[-1] #提取标签(Label)信息
51 if currentLabel not in labelCounts.keys(): #如果标签(Label)没有放入统计次数的字典,添加进去
52 labelCounts[currentLabel] = 0
53 labelCounts[currentLabel] += 1 #Label计数
54 shannonEnt = 0.0 #经验熵(香农熵)
55 for key in labelCounts: #计算香农熵
56 prob = float(labelCounts[key]) / numEntires #选择该标签(Label)的概率
57 shannonEnt -= prob * log(prob, 2) #利用公式计算
58 return shannonEnt #返回经验熵(香农熵)
59
60 if __name__ == '__main__':
61 dataSet, features = createDataSet()
62 print(dataSet)
63 print(calcShannonEnt(dataSet))
64
65 """
66 函数说明:按照给定特征划分数据集
67 Parameters:
68 dataSet - 待划分的数据集
69 axis - 划分数据集的特征
70 value - 需要返回的特征的值
71 """
72 def splitDataSet(dataSet, axis, value):
73 retDataSet = [] #创建返回的数据集列表
74 for featVec in dataSet: #遍历数据集
75 if featVec[axis] == value:
76 reducedFeatVec = featVec[:axis] #去掉axis特征
77 reducedFeatVec.extend(featVec[axis+1:]) #将符合条件的添加到返回的数据集
78 retDataSet.append(reducedFeatVec)
79 return retDataSet #返回划分后的数据集
80
81 """
82 函数说明:选择最优特征
83 Parameters:
84 dataSet - 数据集
85 Returns:
86 bestFeature - 信息增益最大的(最优)特征的索引值
87 """
88 def chooseBestFeatureToSplit(dataSet):
89 numFeatures = len(dataSet[0]) - 1 #特征数量
90 baseEntropy = calcShannonEnt(dataSet) #计算数据集的香农熵
91 bestInfoGain = 0.0 #信息增益
92 bestFeature = -1 #最优特征的索引值
93 for i in range(numFeatures): #遍历所有特征
94 #获取dataSet的第i个所有特征
95 featList = [example[i] for example in dataSet]
96 uniqueVals = set(featList) #创建set集合{},元素不可重复
97 newEntropy = 0.0 #经验条件熵
98 for value in uniqueVals: #计算信息增益
99 subDataSet = splitDataSet(dataSet, i, value) #subDataSet划分后的子集
100 prob = len(subDataSet) / float(len(dataSet)) #计算子集的概率
101 newEntropy += prob * calcShannonEnt(subDataSet) #根据公式计算经验条件熵
102 infoGain = baseEntropy - newEntropy #信息增益
103 print("第%d个特征的增益为%.3f" % (i, infoGain)) #打印每个特征的信息增益
104 if (infoGain > bestInfoGain): #计算信息增益
105 bestInfoGain = infoGain #更新信息增益，找到最大的信息增益
106 bestFeature = i #记录信息增益最大的特征的索引值
107 return bestFeature #返回信息增益最大的特征的索引值
108
109 '''
110 函数说明:统计classList中出现此处最多的元素(类标签)
111
112 Parameters:
113 classList - 类标签列表
114 Returns:
115 sortedClassCount[0][0] - 出现此处最多的元素(类标签)
116 '''
117 def majorityCnt(classList):
118 classCount = {}
119 for vote in classList: #统计classList中每个元素出现的次数
120 if vote not in classCount.keys():
121 classCount[vote] = 0
122 classCount[vote] += 1
123 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) #根据字典的值降序排序
124 return sortedClassCount[0][0] #返回classList中出现次数最多的元素
125
126 '''
127 函数说明:创建决策树
128 Parameters:
129 dataSet - 训练数据集
130 labels - 分类属性标签
131 featLabels - 存储选择的最优特征标签
132 Returns:
133 myTree - 决策树
134 '''
135 def createTree(dataSet, labels, featLabels):
136 classList = [example[-1] for example in dataSet] #取分类标签(是否放贷:yes or no)
137 if classList.count(classList[0]) == len(classList): #如果类别完全相同则停止继续划分
138 return classList[0]
139 if len(dataSet[0]) == 1: #遍历完所有特征时返回出现次数最多的类标签
140 return majorityCnt(classList)
141 bestFeat = chooseBestFeatureToSplit(dataSet) #选择最优特征
142 bestFeatLabel = labels[bestFeat] #最优特征的标签
143 featLabels.append(bestFeatLabel)
144 myTree = {bestFeatLabel: {}} #根据最优特征的标签生成树
145 del(labels[bestFeat]) #删除已经使用特征标签
146 featValues = [example[bestFeat] for example in dataSet] #得到训练集中所有最优特征的属性值
147 uniqueVals = set(featValues) #去掉重复的属性值
148 for value in uniqueVals: #遍历特征，创建决策树。
149 myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), labels, featLabels)
150 return myTree
151
152 '''
153 getNumLeafs：获取决策树叶子结点的数目
154 getTreeDepth：获取决策树的层数
155 plotNode：绘制结点
156 plotMidText：标注有向边属性值
157 plotTree：绘制决策树
158 createPlot：创建绘制面板
159
160 函数说明:获取决策树叶子结点的数目
161 Parameters:
162 myTree - 决策树
163 Returns:
164 numLeafs - 决策树的叶子结点的数目
165 '''
166 def getNumLeafs(myTree):
167 numLeafs = 0 #初始化叶子
168 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法获取结点属性，可以使用list(myTree.keys())[0]
169 secondDict = myTree[firstStr] #获取下一组字典
170 for key in secondDict.keys():
171 if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
172 numLeafs += getNumLeafs(secondDict[key])
173 else: numLeafs +=1
174 return numLeafs
175
176 '''
177 函数说明:获取决策树的层数
178 Parameters:
179 myTree - 决策树
180 Returns:
181 maxDepth - 决策树的层数
182 '''
183 def getTreeDepth(myTree):
184 maxDepth = 0 #初始化决策树深度
185 firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法获取结点属性，可以使用list(myTree.keys())[0]
186 secondDict = myTree[firstStr] #获取下一个字典
187 for key in secondDict.keys():
188 if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
189 thisDepth = 1 + getTreeDepth(secondDict[key])
190 else: thisDepth = 1
191 if thisDepth > maxDepth: maxDepth = thisDepth #更新层数
192 return maxDepth
193
194 '''
195 函数说明:绘制结点
196 Parameters:
197 nodeTxt - 结点名
198 centerPt - 文本位置
199 parentPt - 标注的箭头位置
200 nodeType - 结点格式
201 Returns:
202 无
203 '''
204 def plotNode(nodeTxt, centerPt, parentPt, nodeType):
205 arrow_args = dict(arrowstyle="<-") #定义箭头格式
206 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #设置中文字体
207 createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', #绘制结点
208 xytext=centerPt, textcoords='axes fraction',
209 va="center", ha="center", bbox=nodeType, arrowprops=arrow_args, FontProperties=font)
210
211 '''
212 函数说明:标注有向边属性值
213 Parameters:
214 cntrPt、parentPt - 用于计算标注位置
215 txtString - 标注的内容
216 Returns:
217 无
218 '''
219 def plotMidText(cntrPt, parentPt, txtString):
220 xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #计算标注位置
221 yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]
222 createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)
223
224 '''
225 函数说明:绘制决策树
226 Parameters:
227 myTree - 决策树(字典)
228 parentPt - 标注的内容
229 nodeTxt - 结点名
230 Returns:
231 无
232 '''
233 def plotTree(myTree, parentPt, nodeTxt):
234 decisionNode = dict(boxstyle="sawtooth", fc="0.8") #设置结点格式
235 leafNode = dict(boxstyle="round4", fc="0.8") #设置叶结点格式
236 numLeafs = getNumLeafs(myTree) #获取决策树叶结点数目，决定了树的宽度
237 depth = getTreeDepth(myTree) #获取决策树层数
238 firstStr = next(iter(myTree)) #下个字典
239 cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #中心位置
240 plotMidText(cntrPt, parentPt, nodeTxt) #标注有向边属性值
241 plotNode(firstStr, cntrPt, parentPt, decisionNode) #绘制结点
242 secondDict = myTree[firstStr] #下一个字典，也就是继续绘制子结点
243 plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #y偏移
244 for key in secondDict.keys():
245 if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
246 plotTree(secondDict[key],cntrPt,str(key)) #不是叶结点，递归调用继续绘制
247 else: #如果是叶结点，绘制叶结点，并标注有向边属性值
248 plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW
249 plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
250 plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
251 plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD
252
253 '''
254 函数说明:创建绘制面板
255 Parameters:
256 inTree - 决策树(字典)
257 Returns:
258 无
259 '''
260 def createPlot(inTree):
261 fig = plt.figure(1, facecolor='white') #创建fig
262 fig.clf() #清空fig
263 axprops = dict(xticks=[], yticks=[])
264 createPlot.ax1 = plt.subplot(111, frameon=False, **axprops) #去掉x、y轴
265 plotTree.totalW = float(getNumLeafs(inTree)) #获取决策树叶结点数目
266 plotTree.totalD = float(getTreeDepth(inTree)) #获取决策树层数
267 plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; #x偏移
268 plotTree(inTree, (0.5,1.0), '') #绘制决策树
269 plt.show() #显示绘制结果
270
271 def classify(inputTree, featLabels, testVec):
272 firstStr = next(iter(inputTree)) #获取决策树结点
273 secondDict = inputTree[firstStr] #下一个字典
274 featIndex = featLabels.index(firstStr)
275 for key in secondDict.keys():
276 if testVec[featIndex] == key:
277 if type(secondDict[key]).__name__ == 'dict':
278 classLabel = classify(secondDict[key], featLabels, testVec)
279 else: classLabel = secondDict[key]
280 return classLabel
281
282 if __name__ == '__main__':
283 dataSet, labels = createDataSet()
284 featLabels = []
285 myTree = createTree(dataSet, labels, featLabels)
286 testVec = [0,1] #测试数据
287 result = classify(myTree, featLabels, testVec)
288 if result == 'yes':
289 print('放贷')
290 if result == 'no':
291 print('不放贷')
292 '''
293 函数说明: 存储决策树
294 Parameters:
295 inputTree - 已经生成的决策树
296 filename - 决策树的存储文件名
297 Returns:
298 无
299 '''
300 def storeTree(inputTree, filename):
301 fw = open(filename, 'wb')
302 pickle.dump(inputTree, fw)
303 fw.close()
304
305 if __name__ == '__main__':
306 myTree = {'有自己的房子': {0: {'有工作': {0: 'no', 1: 'yes'}}, 1: 'yes'}}
307 storeTree(myTree, 'classifierStorage.txt')
308
309 '''
310 函数说明:读取决策树
311 Parameters:
312 filename - 决策树的存储文件名
313 Returns:
314 pickle.load(fr) - 决策树字典
315 '''
316 def grabTree(filename):
317 fr = open(filename, 'rb')
318 return pickle.load(fr)
319
320 if __name__ == '__main__':
321 myTree = grabTree('classifierStorage.txt')
322 print(myTree)
323
324 # if __name__ == '__main__':
325 # dataSet, labels = createDataSet()
326 # featLabels = []
327 # myTree = createTree(dataSet, labels, featLabels)
328 # print(myTree)
329 # createPlot(myTree)
330
331
332 # if __name__ == '__main__':
333 # dataSet, features = createDataSet()
334 # print("最优特征索引值:" + str(chooseBestFeatureToSplit(dataSet)))
标签：结点,myTree,keys,classList,代码,构造,dataSet,特征,决策树 来源： https://www.cnblogs.com/fd-682012/p/11593724.html