在西瓜数据集上用Python实现ID3决策树算法完整代码
文章目录
- 1、决策树算法代码ID3.py
- 2、可视化决策树代码visual_decision_tree.py
- 3、贴几张运行结果图
- 1、生成的可视化决策树
- 2、代码运行结果
- 3、记事本上手动跑程序的草图
1、决策树算法代码ID3.py
import operator
from math import log2
import visual_decision_tree
def createDataSet():
# 数据集D
dataSet = [['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
['乌黑', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],
['浅白', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],
['青绿', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '好瓜'],
['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', '好瓜'],
['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '硬滑', '好瓜'],
['乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜'],
['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', '坏瓜'],
['浅白', '硬挺', '清脆', '模糊', '平坦', '硬滑', '坏瓜'],
['浅白', '蜷缩', '浊响', '模糊', '平坦', '软粘', '坏瓜'],
['青绿', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', '坏瓜'],
['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', '坏瓜'],
['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '坏瓜'],
['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', '坏瓜'],
['青绿', '蜷缩', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜']]
# 属性集A
labels = ['色泽', '根蒂', '敲声', '纹理', '脐部', '触感']
return dataSet, labels
# 计算信息熵
def calcShannonEnt(dataSet):
# 返回数据集的行数
numDataSet = len(dataSet)
# 保存每个标签的出现次数的字典
lableCounts = {}
# 对每组特征向量进行统计
for featVec in dataSet:
# 提取标签信息
currentLable = featVec[-1]
# 如果标签未放入统计次数字典，添加进去，初始值0
if currentLable not in lableCounts.keys():
lableCounts[currentLable] = 0
# 样本标签计数
lableCounts[currentLable] += 1
infoEntropy = 0.0
# 计算信息熵
for key in lableCounts:
# 当前样本集合中第k类样本所占的比例(指的是标签那一栏，例如：好瓜和坏瓜的占比)
pk = float(lableCounts[key]) / numDataSet
# 公式计算信息熵
infoEntropy -= pk * log2(pk)
return infoEntropy
# 按照特征属性划分数据集
def splitDataSet(dataSet, i, value):
# 创建返回的数据集列表
retDataSet = []
# 遍历数据集（即所取的数据集的某一列）
for featVec in dataSet:
# 如果有这个属性，就操作对应的这一行数据
if featVec[i] == value:
# 这一行数据去掉i属性
reducedFeatVec = featVec[:i]
reducedFeatVec.extend(featVec[i + 1:])
# 将去掉i属性的每一行数据，合并起来形成一个新的数据集、
# 它的行数，即len()长度就是它占总体数据集的比重
retDataSet.append(reducedFeatVec)
# 返回划分后的数据集
return retDataSet
# 选择最优划分属性
def selectBestFeatureToSplit(dataSet, i):
print("*" * 20)
print("第%d次划分" % i)
# 特征的数量
numFeatures = len(dataSet[0]) - 1
# 数据集D的信息熵
baseEntropy = calcShannonEnt(dataSet)
# 信息增益
bestInfoGain = 0.0
# 最优属性的索引值
bestFeature = -1
# 遍历所有的特征值
for i in range(numFeatures):
# 遍历dataSize数据集中的第i个特征属性
featList = [example[i] for example in dataSet] # 二维数组按列访问属性
uniqueVals = set(featList) # set集合中存储不重复的属性元素
newEntropy = 0.0 # Dv的信息熵（分支结点属性的信息熵）
# 对每一个特征属性计算信息增益
for value in uniqueVals:
# subDataSet是每个特征按照其几种不同的属性划分的数据集
subDataSet = splitDataSet(dataSet, i, value)
# 计算分支结点的权重，也就是子集的概率
prob = len(subDataSet) / float(len(dataSet))
# 计算赋予了权重的分支结点的信息熵的和
newEntropy += prob * calcShannonEnt(subDataSet)
# 第i个属性的信息增益
infoGain = baseEntropy - newEntropy
# 打印属性对应的信息增益
print("\"%s\"特征的信息增益为%.3f" % (labels[i], infoGain))
# 寻找最优的特征属性
if infoGain > bestInfoGain:
# 更新最优属性的信息熵和索引值
bestInfoGain = infoGain
bestFeature = i
print("bestInfoGain: %.3f" % bestInfoGain)
# 返回最优属性（最大信息增益）的索引值
print("本次划分的最优属性是：%s" % labels[bestFeature])
return bestFeature
# 统计classList中出现次数最多的元素（标签）
def majorityCnt(classList):
classCount = {}
for vote in classList:
if vote not in classCount.keys():
classCount[vote] = 0
classCount[vote] += 1
# 根据字典的值降序排序
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1),
reverse=True)
# 返回classList中出现次数最多的元素
return sortedClassCount[0][0]
"""
函数说明:递归构建决策树
Parameters:
dataSet - 训练数据集
labels - 分类属性标签
featLabels - 存储选择的最优特征标签
Returns:
myTree - 决策树
"""
# 准备工作完成，开始递归构建决策树myTree
def createTree(dataSet, labels, featLabels, i):
i += 1
# 取分类标签(好瓜or坏瓜)
classList = [example[-1] for example in dataSet]
# 如果类别完全相同则停止继续划分，最后输出是好瓜还是坏瓜
if classList.count(classList[0]) == len(classList):
return classList[0]
# 遍历完所有特征时返回出现次数最多的类标签
if len(dataSet[0]) == 1:
return majorityCnt(classList)
# select返回最优特征的索引值，bestFeat获取的是索引值
bestFeat = selectBestFeatureToSplit(dataSet, i)
# 获取最优属性特征
bestFeatLabel = labels[bestFeat]
# 将属性添加到featLables的末尾
featLabels.append(bestFeatLabel)
# 根据最优特征的标签生成树
myTree = {bestFeatLabel: {}}
# 删除已经使用特征标签
del (labels[bestFeat])
# 得到训练集中所有最优特征的属性值
featValues = [example[bestFeat] for example in dataSet]
# 去掉重复的属性值
uniqueVals = set(featValues)
for value in uniqueVals:
subLabels = labels[:]
# 递归调用函数createTree(),遍历特征，创建决策树。
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), subLabels, featLabels, i)
return myTree
# """
# 函数说明:使用决策树执行分类
# Parameters:
# inputTree - 已经生成的决策树
# featLabels - 存储选择的最优特征标签
# testVec - 测试数据列表，顺序对应最优特征标签
# Returns:
# classLabel - 分类结果
# """
# # 使用决策树执行分类
# def classify(inputTree, featLabels, testVec):
# firstStr = next(iter(inputTree)) # 获取决策树结点
# secondDict = inputTree[firstStr] # 下一个字典
# featIndex = featLabels.index(firstStr)
# for key in secondDict.keys():
# if testVec[featIndex] == key:
# if type(secondDict[key]).__name__ == 'dict':
# classLabel = classify(secondDict[key], featLabels, testVec)
# else:
# classLabel = secondDict[key]
# return classLabel
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
i = 0
myTree = createTree(dataSet, labels, featLabels, i)
print(myTree)
visual_decision_tree.createPlot(myTree)
# testVec = ['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘'] # 测试数据
# result = classify(myTree, featLabels, testVec)
# if result == '好瓜':
# print('好瓜')
# if result == '坏瓜':
# print('坏瓜')
2、可视化决策树代码visual_decision_tree.py
import matplotlib.pylab as plt
import matplotlib
# 能够显示中文
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.serif'] = ['SimHei']
# 分叉节点，也就是决策节点
decisionNode = dict(boxstyle="sawtooth", fc="0.8")
# 叶子节点
leafNode = dict(boxstyle="round4", fc="0.8")
# 箭头样式
arrow_args = dict(arrowstyle="<-")
def plotNode(nodeTxt, centerPt, parentPt, nodeType):
"""
绘制一个节点
:param nodeTxt: 描述该节点的文本信息
:param centerPt: 文本的坐标
:param parentPt: 点的坐标，这里也是指父节点的坐标
:param nodeType: 节点类型,分为叶子节点和决策节点
:return:
"""
createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction',
xytext=centerPt, textcoords='axes fraction',
va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)
def getNumLeafs(myTree):
"""
获取叶节点的数目
:param myTree:
:return:
"""
# 统计叶子节点的总数
numLeafs = 0
# 得到当前第一个key，也就是根节点
firstStr = list(myTree.keys())[0]
# 得到第一个key对应的内容
secondDict = myTree[firstStr]
# 递归遍历叶子节点
for key in secondDict.keys():
# 如果key对应的是一个字典，就递归调用
if type(secondDict[key]).__name__ == 'dict':
numLeafs += getNumLeafs(secondDict[key])
# 不是的话，说明此时是一个叶子节点
else:
numLeafs += 1
return numLeafs
def getTreeDepth(myTree):
"""
得到数的深度层数
:param myTree:
:return:
"""
# 用来保存最大层数
maxDepth = 0
# 得到根节点
firstStr = list(myTree.keys())[0]
# 得到key对应的内容
secondDic = myTree[firstStr]
# 遍历所有子节点
for key in secondDic.keys():
# 如果该节点是字典，就递归调用
if type(secondDic[key]).__name__ == 'dict':
# 子节点的深度加1
thisDepth = 1 + getTreeDepth(secondDic[key])
# 说明此时是叶子节点
else:
thisDepth = 1
# 替换最大层数
if thisDepth > maxDepth:
maxDepth = thisDepth
return maxDepth
def plotMidText(cntrPt, parentPt, txtString):
"""
计算出父节点和子节点的中间位置，填充信息
:param cntrPt: 子节点坐标
:param parentPt: 父节点坐标
:param txtString: 填充的文本信息
:return:
"""
# 计算x轴的中间位置
xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0]
# 计算y轴的中间位置
yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1]
# 进行绘制
createPlot.ax1.text(xMid, yMid, txtString)
def plotTree(myTree, parentPt, nodeTxt):
"""
绘制出树的所有节点，递归绘制
:param myTree: 树
:param parentPt: 父节点的坐标
:param nodeTxt: 节点的文本信息
:return:
"""
# 计算叶子节点数
numLeafs = getNumLeafs(myTree=myTree)
# 计算树的深度
depth = getTreeDepth(myTree=myTree)
# 得到根节点的信息内容
firstStr = list(myTree.keys())[0]
# 计算出当前根节点在所有子节点的中间坐标,也就是当前x轴的偏移量加上计算出来的根节点的中心位置作为x轴（比如说第一次：初始的x偏移量为：-1/2W,计算出来的根节点中心位置为：(1+W)/2W，相加得到：1/2），当前y轴偏移量作为y轴
cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff)
# 绘制该节点与父节点的联系
plotMidText(cntrPt, parentPt, nodeTxt)
# 绘制该节点
plotNode(firstStr, cntrPt, parentPt, decisionNode)
# 得到当前根节点对应的子树
secondDict = myTree[firstStr]
# 计算出新的y轴偏移量，向下移动1/D，也就是下一层的绘制y轴
plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD
# 循环遍历所有的key
for key in secondDict.keys():
# 如果当前的key是字典的话，代表还有子树，则递归遍历
if isinstance(secondDict[key], dict):
plotTree(secondDict[key], cntrPt, str(key))
else:
# 计算新的x轴偏移量，也就是下个叶子绘制的x轴坐标向右移动了1/W
plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW
# 打开注释可以观察叶子节点的坐标变化
# print((plotTree.xOff, plotTree.yOff), secondDict[key])
# 绘制叶子节点
plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
# 绘制叶子节点和父节点的中间连线内容
plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
# 返回递归之前，需要将y轴的偏移量增加，向上移动1/D，也就是返回去绘制上一层的y轴
plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalD
def createPlot(inTree):
"""
需要绘制的决策树
:param inTree: 决策树字典
:return:
"""
# 创建一个图像
fig = plt.figure(1, facecolor='white')
fig.clf()
axprops = dict(xticks=[], yticks=[])
createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)
# 计算出决策树的总宽度
plotTree.totalW = float(getNumLeafs(inTree))
# 计算出决策树的总深度
plotTree.totalD = float(getTreeDepth(inTree))
# 初始的x轴偏移量，也就是-1/2W，每次向右移动1/W，也就是第一个叶子节点绘制的x坐标为：1/2W，第二个：3/2W，第三个：5/2W，最后一个：(W-1)/2W
plotTree.xOff = -0.5 / plotTree.totalW
# 初始的y轴偏移量，每次向下或者向上移动1/D
plotTree.yOff = 1.0
# 调用函数进行绘制节点图像
plotTree(inTree, (0.5, 1.0), '')
# 绘制
plt.show()
3、贴几张运行结果图
1、生成的可视化决策树
2、代码运行结果
输出每次划分的每个属性特征的信息增益以及最后的决策树
3、记事本上手动跑程序的草图
文章出处登录后可见！
已经登录？立即刷新
