实验三：cart分类决策树python实现（两个测试集）|机器学习(代码片段)

---

python实现

分步

• 划分数据子集（注意区分离散特征值和连续特征值）

#获取数据子集，分类与回归的做法相同
#将数据集根据划分特征切分为两类
def split_dataset(data_x,data_y,fea_axis,fea_value):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
          fea_axis(int):进行划分的特征编号（列数）
          fea_value(int):进行划分的特征对应特征值
    output:data_x[equal_Idx],data_y[equal_Idx](ndarry):特征值等于（大于等于）目标特征值的样本与标签
           data_x[nequal_Idx],data_y[nequal_Idx](ndarry):特征值不等于（小于）目标特征的样本与标签
    '''
    if  isinstance(fea_value,float): 
        #如果特征值为浮点数(连续特征值)，那么进行连续值离散化
        equal_Idx = np.where(data_x[:,fea_axis]>=fea_value) #找出特征值大于等于fea_alue的样本序号
        nequal_Idx = np.where(data_x[:,fea_axis]<fea_value) #找出特征值小于fea_alue的样本序号
    else:
        equal_Idx = np.where(data_x[:,fea_axis]==fea_value) #找出特征值等于fea_alue的样本序号
        nequal_Idx = np.where(data_x[:,fea_axis]!=fea_value) #找出特征值不等于fea_alue的样本序号
    return data_x[equal_Idx],data_y[equal_Idx],data_x[nequal_Idx],data_y[nequal_Idx]

• 求解基尼系数（在该数据集相下，随机抽取两个样本，标签不同的概率）

#使用决策树进行分类需要用到
#求解基尼系数,即两个样本不属于同一标签的概率（二分类问题）
def cal_gini(data_y):
    '''
    input:data_y(ndarry):标签值
    output:gini(float):基尼指数
    '''
    m = len(data_y)  #全部样本的标签数量
    labels = np.unique(data_y) #获得不同种类的标签（去重）
    gini = 1.0  #最后返回的基尼指数
    for label in labels:
        ans = data_y[np.where(data_y[:]==label)].size/m  #该标签的出现概率
        gini -= ans*ans  #累减计算基尼指数（两两不同的总概率）
    return gini

• 最优特征选取以及特征值划分（遍历计算每个特征下每个特征值的基尼系数，取最小值（纯度最高）进行划分标准）

#分类方法实现最优特征的选取以及特征值划分
def classify_get_best_fea(data_x,data_y):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
    output:best_fea(int):最优特征
           best_fea_val(int):最优特征值
    '''
    m,n = np.shape(data_x)  #m，n分别为样本数以及特征属性数
    #初始化
    best_fea = -1
    best_fea_val = -1
    min_fea_gini = np.inf
    
    for i in range(n):  #遍历所有特征（列）
        feas = np.unique(data_x[:,i])  #获得该特征下所有特征值
        #分别以每个特征值为中心进行划分求基尼系数，找到使基尼系数最小的划分
        for j in feas:
            equal_data_x,equal_data_y,nequal_data_x,nequal_data_y = split_dataset(data_x,data_y,i,j)
            fea_gini = 0.0
            #计算该划分下的基尼系数
            fea_gini = len(equal_data_y)/m*cal_gini(equal_data_y)+len(nequal_data_y)/m*cal_gini(nequal_data_y)
            #如果该划分方式的基尼系数更小（纯度更高），那么直接进行更新
            if fea_gini<min_fea_gini:
                min_fea_gini = fea_gini
                best_fea = i
                best_fea_val = j
        
    return best_fea,best_fea_val

• 创建分类决策树（使用递归的方法构建决策树字典，注意处理特殊情况：只有一类标签的情况，无特征的情况，当基尼系数过低时也可以中断划分）

#创建分类方法的决策树
def classify_create_tree(data_x,data_y,fea_label):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
          fea_label(list):特征属性列表
    output:my_tree(dict):生成的CART分类树
    '''
    labels = np.unique(data_y)
    #只有一个标签的情况
    if len(labels)==1:
        return data_y[0]
    #特征集为0的情况，采用多数投票的方法
    if data_x.shape[1]==0:
        best_fea,best_fea_num = 0,0
        for label in labels:
            num = data_y[np.where(data_y==label)].size
            if num>best_fea_num:
                best_fea = label
                best_fea_num = num
        return best_fea
    
    best_fea,best_fea_val = classify_get_best_fea(data_x,data_y)
    best_fea_label = fea_label[best_fea]
    print(u"此时最优索引为："+str(best_fea_label))
    my_tree = best_fea_label:
    
    #获得划分结果
    equal_data_x,equal_data_y,nequal_data_x,nequal_data_y = split_dataset(data_x,data_y,best_fea,best_fea_val)
    #删除最优特征
    equal_data_x = np.delete(equal_data_x,best_fea,1)
    nequal_data_x = np.delete(nequal_data_x,best_fea,1)
    
    fea_label = np.delete(fea_label,best_fea,0)
    
    #递归生成CART分类树
    my_tree[best_fea_label]["_".format(1,best_fea_val)] = classify_create_tree(equal_data_x,equal_data_y,fea_label)
    my_tree[best_fea_label]["_".format(0,best_fea_val)] = classify_create_tree(nequal_data_x,nequal_data_y,fea_label)

    return my_tree

​ 决策树字典格式为“划分属性”:｛“含于该划分值中”，划分结果/继续分类，｛“不含于该划分值中”,划分结果/继续分类，注意在判断是否含于该划分值中，构建如“1_划分值”， “0 _划分值”这样的字符串，1表示包含，0表示不包含。如下如所示：

• 测试函数

  #测试操作
  import re
  #预测一条测试数据结果
  def classify(inputTree,xlabel,testdata):
      '''
      input:inputTree(dict):CART分类决策树
            xlabel(list):特征属性列表
            testdata(darry):一条测试数据特征值
      output:classLabel(int):测试数据预测结果
      '''
      firstStr = list(inputTree.keys())[0]
      secondDict = inputTree[firstStr]
      featIndex = xlabel.index(firstStr)#根据key值得到索引
      classLabel = '0'#定义变量classLabel，默认值为0
      
      ans = re.findall(r'\\d+\\.\\d+',list(secondDict.keys())[0])
      if isinstance(testdata[featIndex],float):
          if float(testdata[featIndex]) >= float(ans[0]):
              if type(secondDict['1_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                      classLabel = classify(secondDict['1_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
              else:
                  classLabel = secondDict['1_'+ans[0]]
          else:
              if type(secondDict['0_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                      classLabel = classify(secondDict['0_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
              else:
                  classLabel = secondDict['0_'+ans[0]]
          return int(classLabel)
      else:
          if float(testdata[featIndex]) == float(ans[0]):
              if type(secondDict['1_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                      classLabel = classify(secondDict['1_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
              else:
                  classLabel = secondDict['1_'+ans[0]]
          else:
              if type(secondDict['0_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                      classLabel = classify(secondDict['0_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
              else:
                  classLabel = secondDict['0_'+ans[0]]
          return int(classLabel)
  
  #预测所有测试数据结果
  def classifytest(inputTree, xlabel, testDataSet):
      '''
      input:inputTree(dict):训练好的决策树
            xlabel(list):特征值标签列表
            testDataSet(ndarray):测试数据集
      output:classLabelAll(list):测试集预测结果列表
      '''    
      classLabelAll = []#创建空列表
      for testVec in testDataSet:#遍历每条数据
          classLabelAll.append(classify(inputTree, xlabel, testVec))#将每条数据得到的特征标签添加到列表
      return  np.array(classLabelAll)
  

源代码（全部）

import numpy as np
import re
#获取数据子集，分类与回归的做法相同
#将数据集根据划分特征切分为两类
def split_dataset(data_x,data_y,fea_axis,fea_value):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
          fea_axis(int):进行划分的特征编号（列数）
          fea_value(int):进行划分的特征对应特征值
    output:data_x[equal_Idx],data_y[equal_Idx](ndarry):特征值等于（大于等于）目标特征值的样本与标签
           data_x[nequal_Idx],data_y[nequal_Idx](ndarry):特征值不等于（小于）目标特征的样本与标签
    '''
    if  isinstance(fea_value,float): 
        #如果特征值为浮点数(连续特征值)，那么进行连续值离散化
        equal_Idx = np.where(data_x[:,fea_axis]>=fea_value) #找出特征值大于等于fea_alue的样本序号
        nequal_Idx = np.where(data_x[:,fea_axis]<fea_value) #找出特征值小于fea_alue的样本序号
    else:
        equal_Idx = np.where(data_x[:,fea_axis]==fea_value) #找出特征值等于fea_alue的样本序号
        nequal_Idx = np.where(data_x[:,fea_axis]!=fea_value) #找出特征值不等于fea_alue的样本序号
    return data_x[equal_Idx],data_y[equal_Idx],data_x[nequal_Idx],data_y[nequal_Idx]

#使用决策树进行分类需要用到
#求解基尼指数,即两个样本不属于同一标签的概率（二分类问题）
def cal_gini(data_y):
    '''
    input:data_y(ndarry):标签值
    output:gini(float):基尼指数
    '''
    m = len(data_y)  #全部样本的标签数量
    labels = np.unique(data_y) #获得不同种类的标签（去重）
    gini = 1.0  #最后返回的基尼指数
    for label in labels:
        ans = data_y[np.where(data_y[:]==label)].size/m  #该标签的出现概率
        gini -= ans*ans  #累减计算基尼指数（两两不同的总概率）
    return gini

#分类方法实现最优特征的选取以及特征值划分
def classify_get_best_fea(data_x,data_y):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
    output:best_fea(int):最优特征
           best_fea_val(int):最优特征值
    '''
    m,n = np.shape(data_x)  #m，n分别为样本数以及特征属性数
    #初始化
    best_fea = -1
    best_fea_val = -1
    min_fea_gini = np.inf
    
    for i in range(n):  #遍历所有特征（列）
        feas = np.unique(data_x[:,i])  #获得该特征下所有特征值
        #分别以每个特征值为中心进行划分求基尼系数，找到使基尼系数最小的划分
        for j in feas:
            equal_data_x,equal_data_y,nequal_data_x,nequal_data_y = split_dataset(data_x,data_y,i,j)
            fea_gini = 0.0
            
            fea_gini = len(equal_data_y)/m*cal_gini(equal_data_y)+len(nequal_data_y)/m*cal_gini(nequal_data_y)
            #如果该划分方式的基尼系数更小（纯度更高），那么直接进行更新
            if fea_gini<min_fea_gini:
                min_fea_gini = fea_gini
                best_fea = i
                best_fea_val = j
        
    return best_fea,best_fea_val

#创建分类方法的决策树
def classify_create_tree(data_x,data_y,fea_label):
    '''
    input:data_x(ndarry):特征值
          data_y(ndarry):标签值
          fea_label(list):特征属性列表
    output:my_tree(dict):生成的CART分类树
    '''
    labels = np.unique(data_y)
    #只有一个标签的情况
    if len(labels)==1:
        return data_y[0]
    #特征集为0的情况，采用多数投票的方法
    if data_x.shape[1]==0:
        best_fea,best_fea_num = 0,0
        for label in labels:
            num = data_y[np.where(data_y==label)].size
            if num>best_fea_num:
                best_fea = label
                best_fea_num = num
        return best_fea
    
    best_fea,best_fea_val = classify_get_best_fea(data_x,data_y)
    best_fea_label = fea_label[best_fea]
    print(u"此时最优索引为："+str(best_fea_label))
    my_tree = best_fea_label:
    
    #获得划分结果
    equal_data_x,equal_data_y,nequal_data_x,nequal_data_y = split_dataset(data_x,data_y,best_fea,best_fea_val)
    #删除最优特征
    equal_data_x = np.delete(equal_data_x,best_fea,1)
    nequal_data_x = np.delete(nequal_data_x,best_fea,1)
    
    fea_label = np.delete(fea_label,best_fea,0)
    
    #递归生成CART分类树
    my_tree[best_fea_label]["_".format(1,best_fea_val)] = classify_create_tree(equal_data_x,equal_data_y,fea_label)
    my_tree[best_fea_label]["_".format(0,best_fea_val)] = classify_create_tree(nequal_data_x,nequal_data_y,fea_label)

    return my_tree

#预测一条测试数据结果
def classify(inputTree,xlabel,testdata):
    '''
    input:inputTree(dict):CART分类决策树
          xlabel(list):特征属性列表
          testdata(darry):一条测试数据特征值
    output:classLabel(int):测试数据预测结果
    '''
    firstStr = list(inputTree.keys())[0]
    secondDict = inputTree[firstStr]
    featIndex = xlabel.index(firstStr)#根据key值得到索引
    classLabel = '0'#定义变量classLabel，默认值为0
    
    ans = re.findall(r'\\d+\\.\\d+',list(secondDict.keys())[0])
    if isinstance(testdata[featIndex],float):
        if float(testdata[featIndex]) >= float(ans[0]):
            if type(secondDict['1_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                    classLabel = classify(secondDict['1_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
            else:
                classLabel = secondDict['1_'+ans[0]]
        else:
            if type(secondDict['0_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                    classLabel = classify(secondDict['0_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
            else:
                classLabel = secondDict['0_'+ans[0]]
        return int(classLabel)
    else:
        if float(testdata[featIndex]) == float(ans[0]):
            if type(secondDict['1_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                    classLabel = classify(secondDict['1_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
            else:
                classLabel = secondDict['1_'+ans[0]]
        else:
            if type(secondDict['0_'+ans[0]]).__name__ == 'dict':#判断secondDict[key]是否是字典格式
                    classLabel = classify(secondDict['0_'+ans[0]], xlabel, testdata)#如果是字典格式，进行递归
            else:
                classLabel = secondDict['0_'+ans[0]]
        return int(classLabel)

#预测所有测试数据结果
def classifytest(inputTree, xlabel, testDataSet):
    '''
    input:inputTree(dict):训练好的决策树
          xlabel(list):特征值标签列表
          testDataSet(ndarray):测试数据集
    output:classLabelAll(list):测试集预测结果列表
    '''    
    classLabelAll = []#创建空列表
    for testVec in testDataSet:#遍历每条数据
        classLabelAll.append(classify(inputTree, xlabel, testVec))#将每条数据得到的特征标签添加到列表
    return  np.array(classLabelAll)

---

测试集1（鸢尾花集）

全部属性以及部分标签如下：

查看详情

cart（决策分类树）原理和实现

...很多数量的决策树墩或许我们可以考虑使用更加高级的弱分类器，下面我们看下CART（ClassificationAndRegressionTree）的原理和实现吧CART也是决策树的一种，不过是满二叉树，CART可以是强分类器，就跟决策树一样，但 查看详情

用cart（分类回归树）作为弱分类器实现adaboost

...aboost昨晚集成学习的例子），其后我们分别学习了决策树分类原理和adaboost原理和实现，上两篇我们学习了cart（决策分类树），决策分类树也是决策树的一种，也是很强大的分类器，但是cart的深度太深，我们可以指定cart的深度... 查看详情

课时决策树和随机森林

...单个决策树是如何建造的CARTClassificationAndRegressionTree，即分类回归树算法，简称CART算法，它是决策树的一种实现.CART算法是一种二分递归分割技术，把当前样本划分为两个子样本，使得生成的每个非叶子结点都有两个分支，因此C... 查看详情

决策树（主要针对cart）的生成与剪枝

...、cart的生成。cart的全称是classificationandregressiontree，意为分类回归树。也就是说这类决策树既可以解决分类问题 查看详情

机器学习笔记——cart树

...可以根据特征值的种类生成2个以上的结点。　　（2）CART分类树的划分依据是基尼指数（Giniindex）最小化准则，而后两者是根据熵的最小化准则。　　（3）CART树可以实现回归和分类两个功能，而后两者只能用作分类。　　下面 查看详情

机器学习笔记之三cart分类与回归树

本文结构：CART算法有两步回归树的生成分类树的生成剪枝CART－ClassificationandRegressionTrees分类与回归树，是二叉树，可以用于分类，也可以用于回归问题，最先由Breiman等提出。分类树的输出是样本的类别，回归树的输出是一个实... 查看详情

决策树

 CART简介 ClassificationAndRegressionTree,分类回归树，简称CART。通过前面文章的介绍知道了决策树的几种生成方法比如ID3,C4.5等。CART是决策树有一种常见生成方法，既可以用于分类，也可以用于回归。CART假设决策树是二叉树，... 查看详情

cart分类与回归树

...nshu.com/p/b90a9ce05b28本文结构：CART算法有两步回归树的生成分类树的生成剪枝CART－ClassificationandRegressionTrees分类与回归树，是二叉树，可以用于分类，也可以用于回归问题，最先由Breiman等提出。分类树的输出是样本的类别，回归... 查看详情

机器学习决策树理论第二卷

...大家多多指教！本卷的大纲为1CART算法1.1CART回归树1.2CART分类树2CART剪枝3总结1CART算法CART分类与回归树(classificationandregressiontree，CART)模型室友Breiman等人1984年提出，是应用广泛的决策 查看详情

决策树(id3,c4.5,cart)原理以及实现(代码片段)

决策树决策树是一种基本的分类和回归方法.决策树顾名思义,模型可以表示为树型结构,可以认为是if-then的集合,也可以认为是定义在特征空间与类空间上的条件概率分布.[图片上传失败...(image-2e6565-1543139272117)]决策树的中间节点可... 查看详情

数据挖掘十大经典算法--cart:分类与回归树

...策树的类型 在数据挖掘中，决策树主要有两种类型:分类树的输出是样本的类标。回归树的输出是一个实数(比如房子的价格，病人呆在医院的时间等)。术语分类和回归树(CART)包括了上述两种决策树,最先由Breiman等提出.分... 查看详情

决策树算法

...杂的熵来度量，使用了相对较为复杂的多叉树，只能处理分类不能处理回归等。对于这些问题，CART算法大部分做了改进。CART算法也就是我们下面的重点了。由于CART算法可以做回归，也可以做分类，我们分别加以介绍，先从CART... 查看详情

决策树算法

...机器学习中算是很经典的一个算法系列了。它既可以作为分类算法，也可以作为回归算法，同时也特别适合集成学习比如随机森林。本文就对决策树算法原理做一个总结，上篇对ID3，C4.5的算法思想做了总结，下篇重点对CART算法... 查看详情

cart分类与回归树与gbdt(gradientboostdecisiontree)

一、CART分类与回归树资料转载：http://dataunion.org/5771.html      ClassificationAndRegressionTree(CART)是决策树的一种，并且是非常重要的决策树，属于TopTenMachineLearningAlgorithm。顾名思义，CART算法既可以用于创建分类树... 查看详情

《机器学习》（周志华）第4章决策树笔记理论及实现——“西瓜树”——cart决策树

CART决策树（一）《机器学习》（周志华）第4章决策树笔记理论及实现——“西瓜树”参照上一篇ID3算法实现的决策树（点击上面链接直达），进一步实现CART决策树。其实只需要改动很小的一部分就可以了，把原先计算信息熵和... 查看详情

基于python实现的决策树模型(代码片段)

决策树模型目录人工智能第五次实验报告1决策树模型1一、问题背景11.1监督学习简介11.2决策树简介1二、程序说明32.1数据载入32.2功能函数32.3决策树模型4三、程序测试53.1数据集说明53.2决策树生成和测试63.3学习曲线评估算法精度... 查看详情

02.基本分类：基于决策树的分类

分类技术主要的分类技术?基于决策树的方法?基于规则的方法?基于实例的方法?贝叶斯信念网络?神经网络?支持向量机分类的两个主要过程训练/学习过程预测/应用过程决策树归纳构建决策树的主要算法-Hunt （最早的决策树归... 查看详情