一个完整决策树的构建案例

"""数据样本展示：#x1,x2,x3, Y是,单身,125,否否,已婚,100,否否,单身,100,否是,已婚,110,否是,离婚,60,否否,离婚,95,是否,单身,85,是否,已婚,75,否否,单身,90,是是,离婚,220,否
"""

import numpy as np
import pandas as pddef entropy(p):"""信息熵的计算公式:param p::return:"""return np.sum([-t * np.log2(t) for t in p])def gini(p):"""Gini系数的计算公式:param p::return:"""return 1-np.sum([t * t for t in p])def error(p):"""错误率de公式:param p::return:"""return 1-np.max(p)def h(p):"""决策树中对节点纯度的衡量:param p::return:"""return entropy(p)# return gini(p)# return error(p)

"""找分割点，若先计算x3的信息增益;x3的概率占比:要设置分届阈值，因为它是连续特征以年收入97.5作为x3的划分值
"""
# 第一步：先计算标签Y概率占比:7个是，3个否
h0 = h([0.7, 0.3])
# 第二步：找分割点，若计算x3的信息增益;x3的概率占比:要设置分届阈值，因为它是连续特征：假设>97.5，<=97.5
# <=97.5: x3的左子树：2个否，3个是
p31_2 = 0.5
h31_2 = h([2.0/5, 3.0/5])
# >97.5: x3的右子树:都是否
p32_2 = 0.5
h32_2 = h([1.0])
# x3的信息增益度：h3_2 = p31_2 * h31_2 + p32_2 * h32_2; g3_2 = h0 - h3_2
h3_2 = p31_2 * h31_2 + p32_2 * h32_2
g3_2 = h0 - h3_2
print("=" * 100)
print('以年收入97.5作为划分特征的时候，信息增益为:{}'.format(g3_2))
# 以年收入97.5作为划分特征的时候，信息增益为:0.3958156020033584
print('\n')
print('根据信息增益率大的列属性作为构建决策树的起始分割点')# 根据初步分割点计算每个分割点的信息熵，得出以x3左子树为分割点作为第2层根节点；
h0_2 = h31_2   # 根节点的信息熵
# 针对于左子树继续划分找分割点，若先计算x2的信息增益;x2的概率占比:4个单身，3个已婚，3个离婚
# 第二步：找第二层的分割节点，若先计算x2的信息增益;x2的概率占比:4个单身，3个已婚，3个离婚
# x2的左子树：2个单身: 都是----是
p21 = 0.4
h21 = h([1.0])
# x2的中子树，1个已婚: 是
p22 = 0.3
h22 = h([1.0])
# x2的右子树，小于97.5且离婚的样本数目：1个是，1个否
p23 = 0.3
h23 = h([0.5, 0.5])
# x2的信息增益度：h2 = p21 * h21 + p22 * h22 + p23 * h23, g2 = h0 - h2
h2 = p21 * h21 + p22 * h22 + p23 * h23
g2 = h0_2 - h2
print("=" * 100)
print('以x2在x3条件下作为子树分割点的信息增益率：{}'.format(g2))# 第3步：找第3层的分割节点，若计算x1的信息增益;x1的概率占比:4个有房产，6个无房产
# 第3层根节点的信息熵是：x2的右子树，小于97.5且离婚的样本信息熵
h0_3 = h23
# x1的左子树; x1的概率占比:4个有房产
p31 = 0.4
# （前提条件：小于等于97.5且已离婚的样本划分）且有房产：1个
h31 = h([1.0])
# x1的右子树，（前提条件：小于等于97.5且已离婚的样本划分）且无房产：1个
p32 = 0.6
h32 = h([1.0])
# x1(在x2,x3条件下)的信息增益度：h3 = p31 * h31 + p32 * h32, g2 = h0 - h2
h3 = p31 * h31 + p32 * h32
g3 = h0_3 - h3
print("=" * 100)
print('以x1在x2,x3条件下作为子树分割点的信息增益率：{}'.format(g3))

E:\myprogram\anaconda\python.exe E:/XX/机器学习课程/决策树操作/genral.py
--------------------------------------------决策树常用判定方式和构建决策树步骤----------------------------------
=========================================================================
以年收入97.5作为划分特征的时候，信息增益为:0.3958156020033584

根据信息增益率大的列属性作为构建决策树的起始分割点
=========================================================================
以x2在x3条件下作为子树分割点的信息增益率：0.6709505944546685
=========================================================================
以x1在x2,x3条件下作为子树分割点的信息增益率：1.0

一个完整决策树的构建案例相关推荐

python数据建模案例源代码_一个完整的数据分析案例 | 用Python建立客户流失预测模型（含源数据+代码）...
原标题:一个完整的数据分析案例 | 用Python建立客户流失预测模型(含源数据+代码) 来源:数据分析不是个事儿作者:启方原文: https://mp.weixin.qq.com/s/_20MN ...
Flutter 构建一个完整的聊天应用程序
在本教程中,我将向您展示如何使用 Flutter 构建一个完整的聊天应用程序.对于这一部分,我们将创建应用程序的 UI 原型,然后我将向您展示如何使用 firebase 创建后端服务并创建聊天系统. ...
机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)
上一篇机器学习入门系列(1)–机器学习概览简单介绍了机器学习的一些基本概念,包括定义.优缺点.机器学习任务的划分等等. 接下来计划通过几篇文章来介绍下,一个完整的机器学习项目的实现步骤会分为几步,最后 ...
myos1 大学生利用C++构建一个完整的操作系统打印helloworld
myos1 大学生利用C++构建一个完整的操作系统打印helloworld myos2 大学生利用C++构建一个完整的操作系统之响应键盘中断 myos3 大学生利用C++构建一个完整的操作系统之代码重 ...
快速构建一个完整的Selenium框架
今天跟大家细讲如何构建一个完整的selenium框架,当你学会了这一篇你就也可以说自己会selenium自动化测试了. 1.新建项目,结构如图: 注意:整个项目除了最外层的是文件夹,其他的都是包(pa ...
iOS 教你使用MP、AVPlayer、AVPlayerVC构建一个完整的视频播放器
1.前言标题必须要浮夸!要感觉像是一个大新闻.长者如是说. 其实是前几天去面试的时候,被要求说必须做过视频播放相关项目.有点闹心之余,就花了点时间在家写了一个简单播放器,基本实现了主流播放器的大致功 ...
如何构建一个完整的To B应用开发平台
作者丨荣多君 1前言互联网时代演进到现在,在 5G 和 IOT 的影响下,整个人类社会实现全产业数字互联的愿景变得逐渐清晰,某个行业通过行业标准的制定,采用同一套标准,甚至同一套软件,通过行业领域能 ...
测试环境搭建流程_案例解析：一个完整的项目测试方案流程，应该是怎么的？...
作为一名软件测试工程师,为项目制作完成的测试方案并执行,是我们日常工作的重要部分,同时,也是一名合格的软件测试工程师应有的专业素养.那么,很多小白和测试新手肯定要问了:一个完整的项目测试方案流程,应该 ...
案例解析：一个完整的项目测试方案流程，应该是怎么的？
作为一名软件测试工程师,为项目制作完成的测试方案并执行,是我们日常工作的重要部分,同时,也是一名合格的软件测试工程师应有的专业素养.那么,很多小白和测试新手肯定要问了:一个完整的项目测试方案流程,应该 ...

一个完整决策树的构建案例

一个完整决策树的构建案例相关推荐

最新文章

热门文章