Python机器学习决策树算法
off999 2024-11-26 07:24 15 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
- 面试官:来，讲一下枚举类型在开发时中实际应用场景!
-
一.基本介绍枚举是JDK1.5新增的数据类型，使用枚举我们可以很好的描述一些特定的业务场景，比如一年中的春、夏、秋、冬，还有每周的周一到周天，还有各种颜色，以及可以用它来描述一些状态信息，比如错...
- 一日一技:11个基本Python技巧和窍门
-
1.两个数字的交换.x,y=10,20print(x,y)x,y=y,xprint(x,y)输出：102020102.Python字符串取反a="Ge...
- Python Enum 技巧，让代码更简洁、更安全、更易维护
-
如果你是一名Python开发人员，你很可能使用过enum.Enum来创建可读性和可维护性代码。今天发现一个强大的技巧，可以让Enum的境界更进一层，这个技巧不仅能提高可读性，还能以最小的代价增...
- Python元组编程指导教程（python元组的概念）
-
1.元组基础概念1.1什么是元组元组(Tuple)是Python中一种不可变的序列类型，用于存储多个有序的元素。元组与列表(list)类似，但元组一旦创建就不能修改(不可变)，这使得元组在某些场景...
- 你可能不知道的实用 Python 功能（python有哪些用）
-
1.超越文件处理的内容管理器大多数开发人员都熟悉使用with语句进行文件操作：withopen('file.txt','r')asfile:co...
- Python 2至3.13新特性总结（python 3.10新特性）
-
以下是Python2到Python3.13的主要新特性总结，按版本分类整理：Python2到Python3的重大变化Python3是一个不向后兼容的版本，主要改进包括：pri...
- Python中for循环访问索引值的方法
-
技术背景在Python编程中，我们经常需要在循环中访问元素的索引值。例如，在处理列表、元组等可迭代对象时，除了要获取元素本身，还需要知道元素的位置。Python提供了多种方式来实现这一需求，下面将详细...
- Python enumerate核心应用解析:索引遍历的高效实践方案
-
喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。根据GitHub代码分析统计，使用enumerate替代range(len())写法可减少38%的索引错误概率。本文通过12个生产...
- Python入门到脱坑经典案例—列表去重
-
列表去重是Python编程中常见的操作，下面我将介绍多种实现列表去重的方法，从基础到进阶，帮助初学者全面掌握这一技能。方法一：使用集合(set)去重（最简单）pythondefremove_dupl...
- Python枚举类工程实践:常量管理的标准化解决方案
-
本文通过7个生产案例，系统解析枚举类在工程实践中的应用，覆盖状态管理、配置选项、错误代码等场景，适用于Web服务开发、自动化测试及系统集成领域。一、基础概念与语法演进1.1传统常量与枚举类对比#传...
- 让Python枚举更强大!教你玩转Enum扩展
-
为什么你需要关注Enum？在日常开发中，你是否经常遇到这样的代码？ifstatus==1:print("开始处理")elifstatus==2:pri...
- Python枚举(Enum)技巧，你值得了解
-
枚举（Enum）提供了更清晰、结构化的方式来定义常量。通过为枚举添加行为、自动分配值和存储额外数据，可以提升代码的可读性、可维护性，并与数据库结合使用时，使用字符串代替数字能简化调试和查询。Pytho...
- 78行Python代码帮你复现微信撤回消息!
-
来源：悟空智能科技本文约700字，建议阅读5分钟。本文基于python的微信开源库itchat，教你如何收集私聊撤回的信息。[导读]Python曾经对我说："时日不多，赶紧用Python"。于是看...
- 登录人人都是产品经理即可获得以下权益
-
文章介绍如何利用Cursor自动开发Playwright网页自动化脚本，实现从选题、写文、生图的全流程自动化，并将其打包成API供工作流调用，提高工作效率。虽然我前面文章介绍了很多AI工作流，但它们...
- Python常用小知识-第二弹（python常用方法总结）
-
一、Python中使用JsonPath提取字典中的值JsonPath是解析Json字符串用的，如果有一个多层嵌套的复杂字典，想要根据key和下标来批量提取value，这是比较困难的，使用jsonpat...
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自定义函数 (53)
- python进度条 (67)
- python吧 (67)
- python字典遍历 (54)
- python的for循环 (65)
- python格式化字符串 (61)
- python串口编程 (60)
- 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字典增加键值对 (53)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python人脸识别 (54)
- python多态 (60)
- python命令行参数 (53)
- 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)