Python机器学习决策树算法
off999 2024-11-26 07:24 19 浏览 0 评论
1、什么是决策树？
决策树（decision tree）也叫做判定树，类似于流程图的结构，每个内部的结点表示在一个属性上的测试，每个分支代表一个属性的输出，每个树叶结点代表类或类分布。书的顶层是树根结点。看下面的这个决策树图。
?
上面的这颗决策树模型是上一篇文章中的小明是否享受运动的例子构建起来的决策树模型，从根节点开始看，是有9天play和5天dont’play然后向下分，看三种天气情况向下走，然后又分别根据判定条件，最终走到树叶，确定出是不是享受运动，可以看出，最终分的叶子节点都是play或者don’play,不会出现两种情况共存。
忽然想到了数据结构老师--李老师讲到的一个决策树例子，决策时好比去饭店点菜，点什么样的菜，点的菜要清淡的还是咸的，加辣还是不加辣，最后确定出这一道菜。
从上面的介绍也可以看得出，决策树适合判定一个事物属于哪一类，所以它是机器学习中分类方法中的一个重要算法。
2、信息熵的概念
熵（entropy）是1948年，香农提出的。它代表一条信息不确定性大小，信息熵越大不确定性就越大。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。我们使用比特（bit）来衡量信息的多少。计算公式如下：
?
2、决策树归纳算法（ID3）
我们怎么来构造这么一个决策树呢，关键的问题在于谁是树根和谁是树枝，也就是说，我们要找到作为根和树枝的属性。
ID3算法就可以来帮助我们计算选择出属性判断结点。下面看计算公式和例子
信息获取量(Information Gain)：Gain(A) = Info(D) - Infor_A(D)，最终的Gain（A）代表着通过A来作为结点分类的时候获取的信息量的多少。Info（D）代表只按照结果来分的信息熵，Infor_A(D)代表根绝某一属性来分的信息熵。看下面的例子。
?
在最后一列，也就是label列中，有9个yes和5个no，所以：
?
下面如果我们根据年龄来分，假设我们计算youth，共有5个，其中对用的yes有2个no有三个，所以：
?
最终得到的age信息熵为：
?
用同样的方式我们可以计算出其他几个属性的信息熵：
Gain(income) = 0.029
Gain(student) = 0.151
Gain(credit_rating)=0.048
通过上面可以看出，最大的信息熵就是age的，也就是说最不缺的的就是age，所以我们就把它作为根结点。第一次构造出来的树如下：
?
然后我们进行重复，以上算法，确定出剩下的树枝，最终形成一个完整的决策树。
具体的算法实现我也没有仔细看，就不写了。感兴趣的同学可以去网上看一下，不止一种实现算法。
3、决策树的优缺点
优点：直观、便于理解、小规模数据有效。
缺点：处理连续性变量不好、类别较多的时候错误增加的比较快、可规模性一般。
相关推荐
- 实战:用 Python+Flask+Echarts 构建电商实时数据大屏
-
在电商运营中，实时掌握销售趋势、用户行为等核心数据是决策的关键。本文将从实战角度，详解如何用Python+Flask+Echarts技术栈，快速搭建一个支持实时更新、多维度可视化的电商数据大屏，帮...
- DeepSeek完全使用手册:从新手到高手的2000字实操指南
-
一、工具定位与核心功能矩阵（200字）DeepSeek是一款专注于深度推理的强大AI助手，其功能丰富多样，可归纳为4大能力象限：plaintext差异化优势：DeepSeek支持最长达16Ktok...
- Python绘制可爱的图表 cutecharts
-
一个很酷的python手绘样式可视化包——可爱的图表cutecharts。Cutecharts非常适合为图表提供更个性化的触感。Cutecharts与常规的Matplotlib和Seabo...
- 第十二章:Python与数据处理和可视化
-
12.1使用pandas进行数据处理12.1.1理论知识pandas是Python中最常用的数据处理库之一，它提供了高效的数据结构和数据分析工具。pandas的核心数据结构是Serie...
- 5分钟就能做一个Excel动态图表，你确定不学学?(纯gif教学)
-
本文说明下图是一个比较酷炫的Excel动态图表，最难的部分就是用到了一个复选框控件。其实这个控件我很早就见过，但是不会用呀！望洋兴叹。这次呢，我也是借着这个文章为大家讲述一下这个控件的使用。本文没有...
- Python数据可视化:从Pandas基础到Seaborn高级应用
-
数据可视化是数据分析中不可或缺的一环，它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...
- 如何使用 Python 将图表写入 Excel
-
将Python生成的图表写入Excel文件是数据分析和可视化中常见的需求。Python提供了多种库（如matplotlib、openpyxl和xlsxwriter）来实现这一功能。本文...
- Excel 图表制作太痛苦?用 Python 生成动态交互图表
-
做个动态图表花了3小时？你该换方法了！上周帮销售部做季度汇报图表，Excel操作把我整崩溃了——插入折线图后发现数据源选错，重新选择又得调格式想做动态筛选图表，捣鼓"开发工具"...
- Python Matplotlib 入门教程:可视化数据的基石
-
一、简介Matplotlib是Python中最流行的数据可视化库，提供从简单折线图到复杂3D图形的完整解决方案。其核心优势在于：o灵活性强：支持像素级样式控制o兼容性好：与NumPy、Pa...
- 20种Python数据可视化绘图 直接复制可用
-
本文介绍20种python数据绘图方法，可直接用于科研绘图或汇报用图。1.折线图(LinePlot)-描述数据随时间或其他变量的变化。importmatplotlib.pyplotasp...
- Python os模块完全指南:轻松玩转文件管理与系统操作
-
Pythonos模块完全指南：轻松玩转文件管理与系统操作os模块是Python与操作系统对话的"瑞士军刀"，学会它能让你轻松管理文件、操控路径、获取系统信息。本教程通过场景化案例+...
- Python中h5py与netCDF4模块在Anaconda环境的下载与安装
-
本文介绍基于Anaconda环境，下载并安装Python中h5py与netCDF4这两个模块的方法。h5py与netCDF4这两个模块是与遥感图像处理、地学分析等GIS操作息息相关的模块，应用...
- python中的模块、库、包有什么区别?
-
一文带你分清Python模块、包和库。一、模块Python模块(Module)，是一个Python文件，以.py结尾，包含了Python对象定义和Python语句。模块能定义函数，类和变...
- centos7 下面使用源码编译的方式安装python3.11
-
centos7下面使用源码编译的方式安装python3.11，步骤如下：cd/root#只是将python3.11的安装包下载到/root目录下wgethttps://www.python.o...
- Python其实很简单 第十四章 模块
-
模块是一组程序代码，可以是别人已经写好的，也可以是自己编写的，但都是已经存在的，在编程时直接使用就可以了。模块机制的最大好处就是程序员不再编写重复的代码，而直接利用已有的成果，这样就能将更多的精力投入...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python读取文件夹下所有文件 (59)
- java调用python脚本 (56)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)